企业数据湖数据湖

企业级数据湖是指为满足企业级应用需求而设计的、具备高性能、高可靠性和高安全性的数据湖解决方案。以下是企业级数据湖的关键特点和组成部分：统一存储和管理：企业级数据湖采用对象存储作为统一存储，将各种类型的数据以集中方式进行统一管理，解决了数据孤岛问题，降低了运维管理的难度。支持多种数据类型：企业级数据湖支持结构化、半结构化、非结构化等多种类型数据的直接存储，提供了便捷的数据接入和数据消费通道。计算与存储解耦合：企业级数据湖采用计算与存储解耦合的架构设计，让计算和存储资源具备更好的可扩展性，为大数据处理提供了更灵活的系统架构设计。无缝对接多种计算引擎：企业级数据湖能够无缝对接多种计算分析平台，直接进行数据处理和分析，无需额外的处理步骤。数据湖元数据管理：企业级数据湖提供湖上元数据统一管理、企业级权限管理等服务，帮助用户快速地构建云原生数据湖架构。数据安全与合规性：企业级数据湖注重数据安全和合规性，提供稳定、可靠、安全且合规的云计算基础设施服务，包括数据访问控制、加密传输和脱敏处理等。云原生特性：企业级数据湖具备云原生特性，容器化计算通过将数据流式传输到数据湖来实现超大的弹性和近乎实时的数据

企业级数据湖是指为满足企业级应用需求而设计的、具备高性能、高可靠性和高安全性的数据湖解决方案。以下是企业级数据湖的关键特点和组成部分：统一存储和管理：企业级数据湖采用对象存储作为统一存储，将各种类型的数据以集中方式进行统一管理，解决了数据孤岛问题，降低了运维管理的难度。支持多种数据类型：企业级数据湖支持结构化、半结构化、非结构化等多种类型数据的直接存储，提供了便捷的数据接入和数据消费通道。计算与存储解耦合：企业级数据湖采用计算与存储解耦合的架构设计，让计算和存储资源具备更好的可扩展性，为大数据处理提供了更灵活的系统架构设计。无缝对接多种计算引擎：企业级数据湖能够无缝对接多种计算分析平台，直接进行数据处理和分析，无需额外的处理步骤。数据湖元数据管理：企业级数据湖提供湖上元数据统一管理、企业级权限管理等服务，帮助用户快速地构建云原生数据湖架构。数据安全与合规性：企业级数据湖注重数据安全和合规性，提供稳定、可靠、安全且合规的云计算基础设施服务，包括数据访问控制、加密传输和脱敏处理等。云原生特性：企业级数据湖具备云原生特性，容器化计算通过将数据流式传输到数据湖来实现超大的弹性和近乎实时的数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

解锁企业数据湖：数字化转型的关键密码数据湖：开启企业数据管理新时代随着信息技术的飞速发展，企业每天都在产生和收集海量的数据，这些数据如同散落的珍珠，蕴含着巨大的价值，但也给企业的数据管理带来了前所未有的挑战。如何将这些海量、复杂的数据转化为有价值的信息，成为企业在竞争激烈的市场中脱颖而出的关键。数据湖，作为一种创新的数据管理架构，应运而生，正逐渐成为企业数字化转型的核心驱动力，开启了企业数据、图像视频数据等，都可以在这里汇聚。这种灵活性使得企业能够在数据使用时再进行处理和分析，大大提高了数据的利用效率和响应速度。数据湖是什么定义与概念数据湖，简单来说，就是一个集中式的存储库，它就像一个巨大的时才对其进行相应的处理。这意味着企业可以将来自不同业务系统、不同格式的数据，如关系数据库中的结构化数据、日志文件中的半结构化数据、文档和图像中的非结构化数据等，都汇聚到这个数据湖中。与传统数据仓库的资源，而且难以适应快速变化的业务需求。而数据湖则提供了一种全新的思路，它能够以原始格式存储来自各种数据源的结构化、半结构化和非结构化数据，无论是业务交易数据、客户行为数据、日志文件，还是社交媒体数据

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•...

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

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。...

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

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"}...

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":...

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

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...