数据仓库 国产化

国产数仓，崭露头角在当今数字化浪潮中，数据已成为企业乃至国家的核心资产。数据仓库作为存储、管理和分析海量数据的关键工具，其重要性不言而喻。而国产化数仓，正逐渐在这片数据的海洋中崭露头角，成为推动，保障国家数据安全和信息安全。同时，国产化数仓的发展，也有助于推动国内信息技术产业的自主创新，促进产业升级和经济发展。一、数仓基础，清晰解读（一）数仓概念，深度剖析数据仓库，是一个面向主题的、集成的、稳定并发处理。（三）广泛兼容，适应多元在数字化时代，企业的数据来源和数据类型日益多样化，这就要求数据仓库具备强大的兼容性，能够支持多种数据源和数据类型的接入和分析。国产数仓在这方面表现出色，无论是结构化的做出科学决策。国产化数仓的崛起，不仅是技术发展的必然趋势，更是国家战略的重要需求。在全球数字化竞争日益激烈的背景下，数据安全已成为国家安全的重要组成部分。使用国产数仓，能够有效降低对国外技术的依赖，使得企业无法及时响应市场变化，错失商机。此外，传统数仓在数据处理能力、数据质量保障、运维成本等方面也存在诸多问题。这些问题严重制约了企业的数字化发展，也为国产化数仓的崛起提供了契机。二、国产数仓

国产数仓，崭露头角在当今数字化浪潮中，数据已成为企业乃至国家的核心资产。数据仓库作为存储、管理和分析海量数据的关键工具，其重要性不言而喻。而国产化数仓，正逐渐在这片数据的海洋中崭露头角，成为推动，保障国家数据安全和信息安全。同时，国产化数仓的发展，也有助于推动国内信息技术产业的自主创新，促进产业升级和经济发展。一、数仓基础，清晰解读（一）数仓概念，深度剖析数据仓库，是一个面向主题的、集成的、稳定并发处理。（三）广泛兼容，适应多元在数字化时代，企业的数据来源和数据类型日益多样化，这就要求数据仓库具备强大的兼容性，能够支持多种数据源和数据类型的接入和分析。国产数仓在这方面表现出色，无论是结构化的做出科学决策。国产化数仓的崛起，不仅是技术发展的必然趋势，更是国家战略的重要需求。在全球数字化竞争日益激烈的背景下，数据安全已成为国家安全的重要组成部分。使用国产数仓，能够有效降低对国外技术的依赖，使得企业无法及时响应市场变化，错失商机。此外，传统数仓在数据处理能力、数据质量保障、运维成本等方面也存在诸多问题。这些问题严重制约了企业的数字化发展，也为国产化数仓的崛起提供了契机。二、国产数仓

国产数仓，崭露头角在当今数字化浪潮中，数据已成为企业乃至国家的核心资产。数据仓库作为存储、管理和分析海量数据的关键工具，其重要性不言而喻。而国产化数仓，正逐渐在这片数据的海洋中崭露头角，成为推动，保障国家数据安全和信息安全。同时，国产化数仓的发展，也有助于推动国内信息技术产业的自主创新，促进产业升级和经济发展。一、数仓基础，清晰解读（一）数仓概念，深度剖析数据仓库，是一个面向主题的、集成的、稳定并发处理。（三）广泛兼容，适应多元在数字化时代，企业的数据来源和数据类型日益多样化，这就要求数据仓库具备强大的兼容性，能够支持多种数据源和数据类型的接入和分析。国产数仓在这方面表现出色，无论是结构化的做出科学决策。国产化数仓的崛起，不仅是技术发展的必然趋势，更是国家战略的重要需求。在全球数字化竞争日益激烈的背景下，数据安全已成为国家安全的重要组成部分。使用国产数仓，能够有效降低对国外技术的依赖，使得企业无法及时响应市场变化，错失商机。此外，传统数仓在数据处理能力、数据质量保障、运维成本等方面也存在诸多问题。这些问题严重制约了企业的数字化发展，也为国产化数仓的崛起提供了契机。二、国产数仓

仅燃油成本就可节省约2400万元。分析型数据库：ArgoDB国产化替代Teradata和Oracle某农商行使用星环科技分布式数据库ArgoDB替代了Teradata数据仓库和Oracle数据平台。通过国产化替代，可以降低经对进口商品的依赖程度，减少出口的不稳定性和贸易摩擦，提升国家整体竞争力，推动社会经济的可持续发展。星环科技经过多年的自主研发，打造了全栈的大数据基础软件，并打磨了一系列国产化替代平滑迁移方案，能够更好帮助企业用户更高效、更平滑、更安全地实现国外进口产品的国产化替代，实现大数据基础软件的全面自主可控，并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。国产化替代案例大数据平台：TDH国产化替代ClouderaDataHub春秋航空利用星环科技大数据基础平台替代了CDH大数据平台，一体化构建服务于整个企业的统一数据资源库，实现海量数据统一存储，打破不同部门间倍以上，提升该农商银行对业务发展的数据支撑能力。交易型数据库：KunDB国产化替代Oracle某政府单位使用星环科技分布式交易型数据库KunDB替代了Oracle一体机，KunDB兼容Oracle语法

仅燃油成本就可节省约2400万元。分析型数据库：ArgoDB国产化替代Teradata和Oracle某农商行使用星环科技分布式数据库ArgoDB替代了Teradata数据仓库和Oracle数据平台。通过国产化替代，可以降低经对进口商品的依赖程度，减少出口的不稳定性和贸易摩擦，提升国家整体竞争力，推动社会经济的可持续发展。星环科技经过多年的自主研发，打造了全栈的大数据基础软件，并打磨了一系列国产化替代平滑迁移方案，能够更好帮助企业用户更高效、更平滑、更安全地实现国外进口产品的国产化替代，实现大数据基础软件的全面自主可控，并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。国产化替代案例大数据平台：TDH国产化替代ClouderaDataHub春秋航空利用星环科技大数据基础平台替代了CDH大数据平台，一体化构建服务于整个企业的统一数据资源库，实现海量数据统一存储，打破不同部门间倍以上，提升该农商银行对业务发展的数据支撑能力。交易型数据库：KunDB国产化替代Oracle某政府单位使用星环科技分布式交易型数据库KunDB替代了Oracle一体机，KunDB兼容Oracle语法

，据估算80架飞机每年仅燃油成本就可节省约2400万元。分析型数据库：ArgoDB国产化替代Teradata和Oracle某农商行使用星环科技分布式数据库ArgoDB替代了Teradata数据仓库和国产化替代方案是指在特定领域或行业中，使用国内的技术、产品或服务来替代国外进口的方案。星环大数据基础软件国产化替代方案星环科技经过多年的自主研发，打造了全栈的大数据基础软件，并打磨了一系列国产化替代平滑迁移方案，能够更好帮助企业用户更高效、更平滑、更安全地实现国外进口产品的国产化替代，实现大数据基础软件的全面自主可控，并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。国产化替代的有超过1100人的研发与支持团队，超过3万名星环科技认证的大数据工程师，专业性更强。国产化方面：星环科技的软件产品自主研发，通过了工信部代码自主研发率扫描测试，满足信创验收要求。国产生态方面：星环基础行业1000+用户应用落地。大数据平台：TDH国产化替代ClouderaDataHub春秋航空利用星环科技大数据基础平台替代了CDH大数据平台，一体化构建服务于整个企业的统一数据资源库，实现海量数据

，据估算80架飞机每年仅燃油成本就可节省约2400万元。分析型数据库：ArgoDB国产化替代Teradata和Oracle某农商行使用星环科技分布式数据库ArgoDB替代了Teradata数据仓库和国产化替代方案是指在特定领域或行业中，使用国内的技术、产品或服务来替代国外进口的方案。星环大数据基础软件国产化替代方案星环科技经过多年的自主研发，打造了全栈的大数据基础软件，并打磨了一系列国产化替代平滑迁移方案，能够更好帮助企业用户更高效、更平滑、更安全地实现国外进口产品的国产化替代，实现大数据基础软件的全面自主可控，并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。国产化替代的有超过1100人的研发与支持团队，超过3万名星环科技认证的大数据工程师，专业性更强。国产化方面：星环科技的软件产品自主研发，通过了工信部代码自主研发率扫描测试，满足信创验收要求。国产生态方面：星环基础行业1000+用户应用落地。大数据平台：TDH国产化替代ClouderaDataHub春秋航空利用星环科技大数据基础平台替代了CDH大数据平台，一体化构建服务于整个企业的统一数据资源库，实现海量数据

自主研发的国产分布式交易型数据库，提供完整的关系型数据库的能力，高度兼容MySQL和Oracle，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用、数据灾备等特性，满足企业关键业务处理全新的图谱管理平台，实现实现分布式集群管理、统一的资源隔离与权限管理、计算性能的优化提升以及丰富的可视化效果等。除了三种数据库方面的国产化替代实践，星环科技还在大数据基础平台TDH、搜索引擎Scope业务价值。当前得益于国家政策的大力扶持以及国内市场环境的快速发展，国产软件加速发展，国产化替代进程正在不断加速。自主可控是国产化替代的核心，同时也是一个阶段性的目标。我们不应该满足于此，应该抓住国产化。基于星环科技ArgoDB数据库，可以打造一站式离线数据仓库、实时数据仓库、数据集市和联邦计算平台等数据分析系统，为企业提供全面、便捷、智能和安全的数据服务能力。某农商行利用ArgoDB实现了图展示能力。可以帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。某证券公司基于StellarDB实现了原Neo4j的国产化替代，结合星环科技自研的知识图谱平台SophonKG打造了

自主研发的国产分布式交易型数据库，提供完整的关系型数据库的能力，高度兼容MySQL和Oracle，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用、数据灾备等特性，满足企业关键业务处理全新的图谱管理平台，实现实现分布式集群管理、统一的资源隔离与权限管理、计算性能的优化提升以及丰富的可视化效果等。除了三种数据库方面的国产化替代实践，星环科技还在大数据基础平台TDH、搜索引擎Scope业务价值。当前得益于国家政策的大力扶持以及国内市场环境的快速发展，国产软件加速发展，国产化替代进程正在不断加速。自主可控是国产化替代的核心，同时也是一个阶段性的目标。我们不应该满足于此，应该抓住国产化。基于星环科技ArgoDB数据库，可以打造一站式离线数据仓库、实时数据仓库、数据集市和联邦计算平台等数据分析系统，为企业提供全面、便捷、智能和安全的数据服务能力。某农商行利用ArgoDB实现了图展示能力。可以帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。某证券公司基于StellarDB实现了原Neo4j的国产化替代，结合星环科技自研的知识图谱平台SophonKG打造了

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...