湖北 数据湖

。2019AIIA杯人工智能巡回赛“Sophon”赛站由中国人工智能产业发展联盟、大数据分析与应用技术国家工程实验室、星环科技联合主办，共设有辽宁、北京、陕西、河南、江苏、安徽、四川、湖北、湖南、广东科研创新与技术交流，推动“产学研用”无缝结合。大赛自4月22日启动报名以来，全国已有近200支队伍报名参赛。武汉厚溥教育科技有限公司是本次大赛湖北地区合作伙伴，负责湖北分赛区赛事的具体承办工作。武汉厚5月13日，2019AIIA杯人工智能巡回赛“Sophon”赛站湖北赛区赛前培训正式启动，来自华中农业大学、中南民族大学、黄冈师范学院、武昌首义学院、湖北科技职业学院等十余所高校的代表参加了本次培训为大赛流程、规则讲解以及大赛指定AI平台Sophon的安装、使用技术辅导等。孙老师作为资深架构师、高级培训师，曾指导过新加坡理工学院、南京大学、北京航空航天大学等国内外一流学府的大数据、人工智能师资培训，好评如潮。本次培训不仅针对大赛赛事进行相关讲解和指导，同时也对大数据、人工智能等前沿科技和发展趋势进行了深入、热烈的交流和探讨。

。2019AIIA杯人工智能巡回赛“Sophon”赛站由中国人工智能产业发展联盟、大数据分析与应用技术国家工程实验室、星环科技联合主办，共设有辽宁、北京、陕西、河南、江苏、安徽、四川、湖北、湖南、广东科研创新与技术交流，推动“产学研用”无缝结合。大赛自4月22日启动报名以来，全国已有近200支队伍报名参赛。武汉厚溥教育科技有限公司是本次大赛湖北地区合作伙伴，负责湖北分赛区赛事的具体承办工作。武汉厚5月13日，2019AIIA杯人工智能巡回赛“Sophon”赛站湖北赛区赛前培训正式启动，来自华中农业大学、中南民族大学、黄冈师范学院、武昌首义学院、湖北科技职业学院等十余所高校的代表参加了本次培训为大赛流程、规则讲解以及大赛指定AI平台Sophon的安装、使用技术辅导等。孙老师作为资深架构师、高级培训师，曾指导过新加坡理工学院、南京大学、北京航空航天大学等国内外一流学府的大数据、人工智能师资培训，好评如潮。本次培训不仅针对大赛赛事进行相关讲解和指导，同时也对大数据、人工智能等前沿科技和发展趋势进行了深入、热烈的交流和探讨。

数据入湖流程涉及将数据从源系统转移到数据湖中，并确保数据的质量和可用性。以下是数据入湖的关键步骤和流程：需求分析与管理：这是数据入湖的第一步，需要基于数据湖的建设规划，输出入湖规划清单，明确入湖数据的范围和优先级。检查数据入湖条件和评估入湖标准：包括检查数据源准备度和评估入湖标准，确保数据满足入湖要求。实施数据入湖：根据规划和评估结果，执行数据从源系统到数据湖的转移。注册元数据：在数据湖中注册元数据，记录数据的来源、结构、质量等信息，方便用户查询和使用。满足入湖标准：数据入湖需要严格满足6项标准，包括明确数据Owner、发布数据标准、定义数据密级、明确数据源、数据质量评估、元数据注册。数据入湖方式：数据入湖可以采用多种方式，包括批量集成、数据复制同步、消息集成、流集成和数据虚拟化。结构化数据入湖：对于结构化数据，入湖流程包括数据入湖需求分析、检查数据入湖条件、实施数据入湖和注册元数据。非结构化数据入湖：非结构化数据入湖包括基本特征元数据入湖、文件解析内容入湖、文件关系入湖和原始文件入湖。数据质量管理：在数据入湖过程中，需要实施数据验证和清洗机制，确保数据质量。安全与合规性：需要

“数据仓湖”是一种将数据仓库和数据湖的优势相结合的新型数据架构概念。架构特点融合存储：既包含数据仓库中经过清洗、转换和集成的结构化数据，又涵盖数据湖中原始的、未加工的多类型数据，如结构化、半结构化和实时接入并进行流处理，及时获取最新的业务信息。多引擎协同：结合了数据仓库和数据湖的多种计算引擎，如数据仓库中的传统SQL引擎，以及数据湖中的大数据处理引擎，根据不同的业务场景和数据特点，选择合适的计算引擎进行数据处理，提高处理效率。数据管理数据治理：在数据仓湖架构中，数据治理更加全面和精细。一方面，对数据仓库中的数据进行严格的质量管理、元数据管理和数据安全管理，确保数据的准确性、一致性和安全性；另一方面，也对数据湖中的原始数据进行一定的治理，如数据分类、标签化等，提高数据的可管理性。数据血缘：通过建立完善的数据血缘关系，清晰记录数据从原始来源到最终应用的整个流转过程，包括数据在数据仓库和数据湖之间的转换和传递，方便数据追溯和问题排查。应用场景综合分析：企业可以在数据仓湖中进行全面的数据分析，既包括基于数据仓库的传统报表分析、即席查询等，也包括基于数据湖的深度数据挖掘、机器学习等高级分析，为

“数据仓湖”是一种将数据仓库和数据湖的优势相结合的新型数据架构概念。架构特点融合存储：既包含数据仓库中经过清洗、转换和集成的结构化数据，又涵盖数据湖中原始的、未加工的多类型数据，如结构化、半结构化和实时接入并进行流处理，及时获取最新的业务信息。多引擎协同：结合了数据仓库和数据湖的多种计算引擎，如数据仓库中的传统SQL引擎，以及数据湖中的大数据处理引擎，根据不同的业务场景和数据特点，选择合适的计算引擎进行数据处理，提高处理效率。数据管理数据治理：在数据仓湖架构中，数据治理更加全面和精细。一方面，对数据仓库中的数据进行严格的质量管理、元数据管理和数据安全管理，确保数据的准确性、一致性和安全性；另一方面，也对数据湖中的原始数据进行一定的治理，如数据分类、标签化等，提高数据的可管理性。数据血缘：通过建立完善的数据血缘关系，清晰记录数据从原始来源到最终应用的整个流转过程，包括数据在数据仓库和数据湖之间的转换和传递，方便数据追溯和问题排查。应用场景综合分析：企业可以在数据仓湖中进行全面的数据分析，既包括基于数据仓库的传统报表分析、即席查询等，也包括基于数据湖的深度数据挖掘、机器学习等高级分析，为

数据湖（DataLake）是一个以原始格式存储数据的存储库或系统。数据湖可以按原样存储数据，而无需事先对数据进行结构化处理。数据湖是一种新兴的数据存储方式，可以存储多种类型的大数据，包括结构化和非结构化数据。数据湖的基本原则是在存储大量数据之前不对其进行任何结构化处理或转换。采用基于对象存储（ObjectStorage）的方式存储数据，数据可以通过各种查询工具或大数据分析工具进行分析和处理。数据湖的优势包括：存储大数据量：数据湖可以存储海量的数据，包括结构化和非结构化数据。些数据可以来自不同的来源、格式和类型，无需经过事先处理。灵活性：数据湖可以轻松地添加、删除和修改数据，而无需改变数据源或存储结构。这种灵活性使得数据湖可以快速适应业务的需求变化。成本效益：数据湖使用基于对象存储的方式存储数据，可以降低存储成本。此外，减少数据重复存储的机制可以提高数据利用效率。数据分析和处理：数据湖提供了各种查询和分析工具，帮助企业对数据进行深入的探索和分析。数据质量控制：数据湖可以不影响原始数据的情况下，对其中的数据进行质量控和清理。在数据湖中实现数据质量控制可以确保数据分析的准确性和可靠性。数据

数据湖（DataLake）是一个以原始格式存储数据的存储库或系统。数据湖可以按原样存储数据，而无需事先对数据进行结构化处理。数据湖是一种新兴的数据存储方式，可以存储多种类型的大数据，包括结构化和非结构化数据。数据湖的基本原则是在存储大量数据之前不对其进行任何结构化处理或转换。采用基于对象存储（ObjectStorage）的方式存储数据，数据可以通过各种查询工具或大数据分析工具进行分析和处理。数据湖的优势包括：存储大数据量：数据湖可以存储海量的数据，包括结构化和非结构化数据。些数据可以来自不同的来源、格式和类型，无需经过事先处理。灵活性：数据湖可以轻松地添加、删除和修改数据，而无需改变数据源或存储结构。这种灵活性使得数据湖可以快速适应业务的需求变化。成本效益：数据湖使用基于对象存储的方式存储数据，可以降低存储成本。此外，减少数据重复存储的机制可以提高数据利用效率。数据分析和处理：数据湖提供了各种查询和分析工具，帮助企业对数据进行深入的探索和分析。数据质量控制：数据湖可以不影响原始数据的情况下，对其中的数据进行质量控和清理。在数据湖中实现数据质量控制可以确保数据分析的准确性和可靠性。数据

数据入湖方案涉及将不同来源的数据以原始格式存储到数据湖中，为企业提供统一的数据管理和分析平台。以下是一些关键的数据入湖方案和技术：数据源接入：数据湖需要支持多样化的数据源接入，包括结构化数据、半结构化数据和非结构化数据，如关系型数据库、日志文件、社交媒体数据等。数据存储：采用对象存储服务作为数据湖的集中存储，可以支撑EB规模的数据湖，实现数据的统一存储。元数据管理：使用元数据管理工具对数据湖中的元数据进行统一管理，无论数据是在“湖中”还是在“湖外”。数据入湖工具：使用如CDL（实时数据接入工具）和CDM（批量数据迁移工具）等入湖工具，实现关系数据库数据到HDFS目录的数据迁移。数据更新和事务支持：选择支持数据更新和ACID事务的数据湖产品，作为数据湖存储引擎。数据安全与隐私保护：加强数据访问控制、加密传输和脱敏处理等安全措施，确保数据的安全性和合规性。数据湖构建服务：使用数据湖构建服务支持多数据源实时入湖，实现湖上元数据统一管理，并提供企业级权限控制。数据入湖实施方案：根据数据的特点和业务需求，设计不同的数据入湖实施方案，包括批量数据迁移、实时数据接入等。

数据入湖方案涉及将不同来源的数据以原始格式存储到数据湖中，为企业提供统一的数据管理和分析平台。以下是一些关键的数据入湖方案和技术：数据源接入：数据湖需要支持多样化的数据源接入，包括结构化数据、半结构化数据和非结构化数据，如关系型数据库、日志文件、社交媒体数据等。数据存储：采用对象存储服务作为数据湖的集中存储，可以支撑EB规模的数据湖，实现数据的统一存储。元数据管理：使用元数据管理工具对数据湖中的元数据进行统一管理，无论数据是在“湖中”还是在“湖外”。数据入湖工具：使用如CDL（实时数据接入工具）和CDM（批量数据迁移工具）等入湖工具，实现关系数据库数据到HDFS目录的数据迁移。数据更新和事务支持：选择支持数据更新和ACID事务的数据湖产品，作为数据湖存储引擎。数据安全与隐私保护：加强数据访问控制、加密传输和脱敏处理等安全措施，确保数据的安全性和合规性。数据湖构建服务：使用数据湖构建服务支持多数据源实时入湖，实现湖上元数据统一管理，并提供企业级权限控制。数据入湖实施方案：根据数据的特点和业务需求，设计不同的数据入湖实施方案，包括批量数据迁移、实时数据接入等。

表10.Hyperbase在Zookeeper上的znode节点及作用说明节点分类作用/hyperbase1(zookeeper.znode.parent)Operation节点根节点，包含所有被Hyperbase创建或使用的节点/hyperbase1/hbaseid(zookeeper.znode.clusterId)Operation节点HBaseMaster用UUID标示一个集群。这个clusterId也保存在HDFS上：hdfs:/<namenode>:<port>/hyperbase1/hbase./hyperbase1/rs(zookeeper.znode.rs)Operation节点RegionServer在启动的时候，会创建一个子节点(例如：/hbase/rs/m1.host)，以标示RegionServer的在线状态。HbaseMaster监控这个节点，以获取所有OnlineRegionServer，用于Assignment/Balancing。/hyperbase1/master(zookeeper.znode.master)Operatio...

通过Manager管理平台，可一键部署Hyperbase。可以在第一次安装TranswarpDataHub集群时安装，也可以向安装好的集群另外安装Hyperbase服务。详细安装步骤及配置项，请参考《TDH安装手册》。安装Hyperbase可以分为以下步骤：软硬件环境检查：检查服务器配置、操作系统、浏览器是否满足要求。安装前配置：配置系统运行过程中所需的文件目录，确保系统运行正常。确认网络配置、Java环境、NTP服务器配置、安全配置、节点访问配置。安装Manager：安装Manager并实现集群管理。安装Hyperbase：您可以通过Manager管理平台安装Hyperbase，并在安装过程中选择所需的HDFS、YARN和Zookeeper等依赖服务以完成部署。产品包上传：在【应用市场】>【产品包】页面上传Hyperbase及相关服务的产品包。服务添加：通过【集群管理】>【添加服务】添加TranswarpHyperbase服务及TranswarpBasic组件（包括HDFS、YARN、Zookeeper、KunDB等）。配置安全：选择安全认证方式，可选简单认证或Kerbe...

QuarkGateway是连接客户端与QuarkServer服务器的一个中间件，是客户请求QuarkServer服务的总入口，它严格按照用户预定义的配置文件，根据用户的不同需求来提供负载均衡、SQL规则路由、高可用（包括超时转发和宕机转发）、Web运维、Inceptor安全（LDAP,KERBEROS）等各项功能。QuarkGateway可以在多个QuarkServer间平衡业务流量，能够有效地为客户端屏蔽掉集群细节，能将不同的SQL类型路由到不同的QuarkServer，并且解决了QuarkServer超时或宕机后无法执行任务的问题，提高了产品的可用性。QuarkGateway的主要功能包括：负载均衡在这种情景下QuarkGateway可以将特定的业务分担给多个QuarkServer，从而实现多个InceptorServer平衡业务流量的功能，完成此项功能的前提是QuarkServer的TAG属性一致。SQL规则路由QuarkGateway基于特定规则，可将不同类型的SQL路由到不同的QuarkServer。高可用性包括超时转发和宕机转发等，QuarkGateway可将超时或者宕机的...

hbaseSQL的IndexDDL支持创建和删除表的全局索引，包括：创建全局索引：CREATEGLOBALINDEX删除全局索引：DROPGLOBALINDEX但是，目前Hyperbase不支持使用SQL生成索引，您可以从HyperbaseShell中执行rebuild指令来生成索引，具体请参考《Hyperbase使用手册》。（创建索引前插入的数据没有索引，但是创建索引之后的数据有索引。）下面将具体介绍创建和删除索引的语法。创建全局索引：CREATEGLOBALINDEX语法：为Hyperbase表建全局索引CREATEGLOBALINDEX<index_name>ON<tableName>(<column1><SEGMENTLENGTHlength1>|<<(length1)>①[,<column2><SEGMENTLENGTHlength2>|<(length2)>,...]②);①column1：指根据哪个列建全局索引，可以有多个列，但不可包含首列（因该列映射为RowKey）。②...

JSON配置操作简介表数据VS表的扩展数据索引是Hyperbase的核心功能之一，我们在使用Hyperbase时，常常会为表建各类索引，包括全局索引、局部索引和LOB索引，利用索引中的数据提高查询效率。索引中的数据不属于表数据，但是从表数据而来，和表密不可分，所以我们将表数据和它所有索引中的数据合称为表的扩展数据，也就是说，我们做如下定义：表的扩展数据=表数据＋全局索引数据＋局部索引数据＋LOB索引数据表的元数据VS表的扩展元数据Hyperbase表的元数据包括表名、列族名、DATA_BLOCK_ENCODING、TTL、BLOCKSIZE等等。一张Hyperbase表的各个索引也有自己的元数据，和索引数据一样，索引的元数据和表的关系也十分紧密，所以我们将表的元数据和它所有索引的元数据合称为表的扩展元数据：表的扩展元数据=表的元数据＋全局索引元数据＋局部索引元数据＋LOB索引元数据我们有时也会将表的元数据称为基础元数据或者Base元数据。JSON配置的命令行指令为操作表的扩展数据和扩展元数据服务，Hyperbase提供了扩展的命令行指令：describeInJson、alterUseJ...

HyperbaseWeb管理页面主要用于Hyperbase服务的各种数据和信息的查看，下面我们将介绍管理页面的一些简单操作。HMaster管理页面打开HyperbaseActiveMaster管理页面的方法有两种：根据集群的ActiveMaster的IP地址打开:http://master_node_ip:60010。如下图：图25.ActiveMasterWeb页面通过TDH管理页面中Hyperbase服务的HMaster的ServiceLink打开，详细流程如下：TranswarpDataHubWEB管理页面也要根据集群的ActiveMaster的IP地址打开，地址一般是http://master_node_ip:8180。打开对应的Hyperbase服务的Roles页面。如下图：图26.Hyperbase角色页面左上角服务名后的圆点颜色表示集群中的Hyperbase服务的状态，比如当前是绿色的Green（HEALTHY），健康状态。另两种状态是Yellow（WARNING）和Red（DOWN）。通过每个HMaster对应的ServiceLink可以打开HMaster管理页面。如下...

为了方便您接下来的安装使用，社区版团队为您准备了视频教程，可以搭配手册内容一起查看：https://transwarp-ce-1253207870.cos.ap-shanghai.myqcloud.com/TDH-CE-2024-5/%E8%A7%86%E9%A2%91/%E5%BC%80%E5%8F%91%E7%89%88StellarDB%E5%AE%89%E8%A3%85%E8%A7%86%E9%A2%912024.5.mp4安装教程在安装启动StellarDB社区开发版容器之前，请务必执行dockerps确保环境当前无其他正在运行的开发版容器，如果有，请及时停止以防止后续端口冲突。请务必确保您的安装环境已经配置好了hostname以及/etc/hosts文件，否则hostname和IP地址将无法映射，最终导致安装失败。具体配置方式详见安装前系统配置改动安装流程步骤一将从官网下载下来的产品包上传至安装环境产品包名称：TDH-Stellardb-Standalone-Community-Transwarp-2024.5-X86_64-final.tar.gz步骤二执行下述命令进行解...

2.1关于社区版您可能想要知道的2.2怎么联系到我们？遇到问题怎么办2.3产品资源汇总

技术支持感谢你使用星环信息科技（上海）股份有限公司的产品和服务。如您在产品使用或服务中有任何技术问题，可以通过以下途径找到我们的技术人员给予解答。email：support@transwarp.io技术支持热线电话：4007-676-098官方网址：http://www.transwarp.cn/论坛支持：http://support.transwarp.cn/意见反馈如果你在系统安装，配置和使用中发现任何产品问题，可以通过以下方式反馈：email：support@transwarp.io感谢你的支持和反馈，我们一直在努力！

表9.Hyperbase在HDFS中的目录结构简介目录作用有无清理机制or如何清理/hyperbase1根目录/hyperbase1/.tmp临时目录，用于存储临时文件和写入过程中的临时数据。这些临时文件可能包括数据块的临时副本、临时索引文件或其他中间结果文件。写入过程中的临时数据：在hyperbase1中，数据的写入是通过WAL（Write-AheadLog）进行的，WAL用于记录数据变更操作。在写入过程中，hyperbase1会将数据写入到WAL中，同时也会将数据写入到对应的数据文件中。/hyperbase1/.tmp目录用于存储在写入过程中尚未完全写入数据文件的临时数据。这样做是为了确保数据写入的原子性和可靠性。hyperbase1会定期清理/hyperbase1/.tmp目录中的过期临时文件和数据，以避免该目录占用过多的磁盘空间。清理策略可以通过hyperbase1的配置进行调整和设置。/hyperbase1/archive归档目录，用于存储已归档的hyperbase1数据。表数据经过一段时间的存储后，可能会变得不再频繁访问或需要长期保存。为了节省存储空间和提高性能，hyper...