时序数据库平台解决方案

查询、嵌套查询等复杂SQL支持。项目成果：帮助客户解决了传统数据库单点性能不足的历史问题，使用时序数据库新方案来支撑业务，共同打造了更具亮点的整体解决方案。案例三：某量化交易平台场景：支持多种高频行情的存储精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。案例一：某能源化工客户场景：支持海量时序数据大吞叶量插入，使用统一的大数据平台处理。解决方案：采用TimeLyre解决海量测点高吞吐流式插入，提供高压缩率节省存储成本提供SQL查询方便业务扩展。项目成果：成功完成了基于时序数据库的应用平台搭建，可满足海量点位数据的实时入库及分析，同时提供高压缩关联分析。项目成果：成功完成了基于金融版时序数据库的量化交易平台搭建，可满足高频数据的导入、存储、检索分析与业务使用;显著提升策略可利用行情数据的范围，可分析与回测多年的高频数据;通过原生分布式的存算星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序

查询、嵌套查询等复杂SQL支持。项目成果：帮助客户解决了传统数据库单点性能不足的历史问题，使用时序数据库新方案来支撑业务，共同打造了更具亮点的整体解决方案。案例三：某量化交易平台场景：支持多种高频行情的存储精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。案例一：某能源化工客户场景：支持海量时序数据大吞叶量插入，使用统一的大数据平台处理。解决方案：采用TimeLyre解决海量测点高吞吐流式插入，提供高压缩率节省存储成本提供SQL查询方便业务扩展。项目成果：成功完成了基于时序数据库的应用平台搭建，可满足海量点位数据的实时入库及分析，同时提供高压缩关联分析。项目成果：成功完成了基于金融版时序数据库的量化交易平台搭建，可满足高频数据的导入、存储、检索分析与业务使用;显著提升策略可利用行情数据的范围，可分析与回测多年的高频数据;通过原生分布式的存算星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序

查询、嵌套查询等复杂SQL支持。项目成果：帮助客户解决了传统数据库单点性能不足的历史问题，使用时序数据库新方案来支撑业务，共同打造了更具亮点的整体解决方案。案例三：某量化交易平台场景：支持多种高频行情的存储精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。案例一：某能源化工客户场景：支持海量时序数据大吞叶量插入，使用统一的大数据平台处理。解决方案：采用TimeLyre解决海量测点高吞吐流式插入，提供高压缩率节省存储成本提供SQL查询方便业务扩展。项目成果：成功完成了基于时序数据库的应用平台搭建，可满足海量点位数据的实时入库及分析，同时提供高压缩关联分析。项目成果：成功完成了基于金融版时序数据库的量化交易平台搭建，可满足高频数据的导入、存储、检索分析与业务使用;显著提升策略可利用行情数据的范围，可分析与回测多年的高频数据;通过原生分布式的存算星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序

制造、金融量化交易领域等多种时序数据业务场景。TimeLyre通过提供与InfluxDB兼容的解决方案，使得国产时序数据库的替代之路更加平滑。其核心是：高可用性：TimeLyre支持高可用性部署，确保在TranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源snappy、gzip、lzo、zstd等，并且还支持通过Delta编码存储连续样本之间的差异，以及根据数据类型和分布范围进行特定的编码，进一步提升了时序数据的压缩效果。接口兼容度：TimeLyre对，先替换InfluxDB的数据库服务，后完成从InfluxQL到TimeLyre标准SQL的改造工作，这样可以确保原系统和服务的迁移是低成本且安全的。，并开启时间序列索引(TSI)等功能。数据压缩优化技术：TimeLyre采用了行业领先的数据压缩技术，实现了5-20倍的压缩率，这不仅提高了资源利用率，还大幅降低了用户的硬件成本。它支持多种压缩算法，如

难度，难以保障服务的连续性。一站式国产化替代解决方案，助力企业打造自主可控数据平台为符合国家信创战略要求，真正实现软件自主可控的战略，星环科技提供了一整套国产化分布式时序数据库产品TimeLyre替换从采集端到分布式时序数据库的一整套数据流转解决方案；在金融量化领域，TimeLyre支持PythonAPI，并提供了对分布式文件系统格式数据的读取与入库支持，极大降低了从数据层到应用层的数据流转技术星环科技国产化分布式时序数据库TimelyreTranswarpTimeLyre是星环科技的一款企业级分布式时序数据库，其支持分布式水平扩展，同时具有极高的压缩率可以支持海量时序数据的存储，提供高吞吐实时写入、时序精确查询、多维检索等功能，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。扩展性、性能、安全等方面领先国外开源时序数据库原生分布式架构，集群灵活扩展，轻松实现海量时序数据存储分析相比与开源时序数据库InfluxDB单机模式存储和计算能力受限，星环科技分布式时序数据库采用原生分布式架构，支持集群在线扩缩容，可满足海量时序数据存储和分析需求。Timelyre的存储

制造、金融量化交易领域等多种时序数据业务场景。TimeLyre通过提供与InfluxDB兼容的解决方案，使得国产时序数据库的替代之路更加平滑。其核心是：高可用性：TimeLyre支持高可用性部署，确保在TranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源snappy、gzip、lzo、zstd等，并且还支持通过Delta编码存储连续样本之间的差异，以及根据数据类型和分布范围进行特定的编码，进一步提升了时序数据的压缩效果。接口兼容度：TimeLyre对，先替换InfluxDB的数据库服务，后完成从InfluxQL到TimeLyre标准SQL的改造工作，这样可以确保原系统和服务的迁移是低成本且安全的。，并开启时间序列索引(TSI)等功能。数据压缩优化技术：TimeLyre采用了行业领先的数据压缩技术，实现了5-20倍的压缩率，这不仅提高了资源利用率，还大幅降低了用户的硬件成本。它支持多种压缩算法，如

制造、金融量化交易领域等多种时序数据业务场景。TimeLyre通过提供与InfluxDB兼容的解决方案，使得国产时序数据库的替代之路更加平滑。其核心是：高可用性：TimeLyre支持高可用性部署，确保在TranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源snappy、gzip、lzo、zstd等，并且还支持通过Delta编码存储连续样本之间的差异，以及根据数据类型和分布范围进行特定的编码，进一步提升了时序数据的压缩效果。接口兼容度：TimeLyre对，先替换InfluxDB的数据库服务，后完成从InfluxQL到TimeLyre标准SQL的改造工作，这样可以确保原系统和服务的迁移是低成本且安全的。，并开启时间序列索引(TSI)等功能。数据压缩优化技术：TimeLyre采用了行业领先的数据压缩技术，实现了5-20倍的压缩率，这不仅提高了资源利用率，还大幅降低了用户的硬件成本。它支持多种压缩算法，如

难度，难以保障服务的连续性。一站式国产化替代解决方案，助力企业打造自主可控数据平台为符合国家信创战略要求，真正实现软件自主可控的战略，星环科技提供了一整套国产化分布式时序数据库产品TimeLyre替换从采集端到分布式时序数据库的一整套数据流转解决方案；在金融量化领域，TimeLyre支持PythonAPI，并提供了对分布式文件系统格式数据的读取与入库支持，极大降低了从数据层到应用层的数据流转技术星环科技国产化分布式时序数据库TimelyreTranswarpTimeLyre是星环科技的一款企业级分布式时序数据库，其支持分布式水平扩展，同时具有极高的压缩率可以支持海量时序数据的存储，提供高吞吐实时写入、时序精确查询、多维检索等功能，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。扩展性、性能、安全等方面领先国外开源时序数据库原生分布式架构，集群灵活扩展，轻松实现海量时序数据存储分析相比与开源时序数据库InfluxDB单机模式存储和计算能力受限，星环科技分布式时序数据库采用原生分布式架构，支持集群在线扩缩容，可满足海量时序数据存储和分析需求。Timelyre的存储

难度，难以保障服务的连续性。一站式国产化替代解决方案，助力企业打造自主可控数据平台为符合国家信创战略要求，真正实现软件自主可控的战略，星环科技提供了一整套国产化分布式时序数据库产品TimeLyre替换从采集端到分布式时序数据库的一整套数据流转解决方案；在金融量化领域，TimeLyre支持PythonAPI，并提供了对分布式文件系统格式数据的读取与入库支持，极大降低了从数据层到应用层的数据流转技术星环科技国产化分布式时序数据库TimelyreTranswarpTimeLyre是星环科技的一款企业级分布式时序数据库，其支持分布式水平扩展，同时具有极高的压缩率可以支持海量时序数据的存储，提供高吞吐实时写入、时序精确查询、多维检索等功能，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。扩展性、性能、安全等方面领先国外开源时序数据库原生分布式架构，集群灵活扩展，轻松实现海量时序数据存储分析相比与开源时序数据库InfluxDB单机模式存储和计算能力受限，星环科技分布式时序数据库采用原生分布式架构，支持集群在线扩缩容，可满足海量时序数据存储和分析需求。Timelyre的存储

难度，难以保障服务的连续性。一站式国产化替代解决方案，助力企业打造自主可控数据平台为符合国家信创战略要求，真正实现软件自主可控的战略，星环科技提供了一整套国产化分布式时序数据库产品TimeLyre替换从采集端到分布式时序数据库的一整套数据流转解决方案；在金融量化领域，TimeLyre支持PythonAPI，并提供了对分布式文件系统格式数据的读取与入库支持，极大降低了从数据层到应用层的数据流转技术星环科技国产化分布式时序数据库TimelyreTranswarpTimeLyre是星环科技的一款企业级分布式时序数据库，其支持分布式水平扩展，同时具有极高的压缩率可以支持海量时序数据的存储，提供高吞吐实时写入、时序精确查询、多维检索等功能，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。扩展性、性能、安全等方面领先国外开源时序数据库原生分布式架构，集群灵活扩展，轻松实现海量时序数据存储分析相比与开源时序数据库InfluxDB单机模式存储和计算能力受限，星环科技分布式时序数据库采用原生分布式架构，支持集群在线扩缩容，可满足海量时序数据存储和分析需求。Timelyre的存储

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"}...

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...

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。

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•...

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":...

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

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...

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

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：