银行对公业务数据仓库

银行数据仓库是银行进行数据管理与分析的核心系统，具有重要作用和独特的架构及应用特点：作用支持决策制定：整合银行内部各类业务数据，为管理层提供全面、准确且及时的数据洞察，助力制定战略决策。风险管理基本信息、交易行为、偏好等数据，实现客户细分与精准营销，增强客户满意度和忠诚度，提升银行市场份额。合规与审计：集中存储和管理各类业务数据，满足监管部门对银行数据的合规性要求，为内部审计工作提供详实的数据，统一数据格式和编码规则；DWS层在DWD层基础上，根据银行常见的分析主题进行进一步的汇总和聚合操作，生成高度汇总的数据，方便管理层快速获取关键指标数据；ADS层则根据不同的业务部门或特定的业务应用场景构建数据集市，提供定制化的数据服务，满足各部门的个性化分析需求。数据存储与管理技术：基于大规模并行处理（MPP）架构的数据仓库平台，或者采用云数据仓库解决方案，以应对海量数据的存储和高效处理需求。同时，结合数据压缩、索引优化、分区存储等技术手段，提高数据存储效率和查询性能。ETL与数据质量管理：配备强大的ETL（抽取、转换、加载）工具和流程，确保数据从不同数据源准确、高效地抽取并转换为符合数据仓库

银行数据仓库是银行进行数据管理与分析的核心系统，具有重要作用和独特的架构及应用特点：作用支持决策制定：整合银行内部各类业务数据，为管理层提供全面、准确且及时的数据洞察，助力制定战略决策。风险管理基本信息、交易行为、偏好等数据，实现客户细分与精准营销，增强客户满意度和忠诚度，提升银行市场份额。合规与审计：集中存储和管理各类业务数据，满足监管部门对银行数据的合规性要求，为内部审计工作提供详实的数据，统一数据格式和编码规则；DWS层在DWD层基础上，根据银行常见的分析主题进行进一步的汇总和聚合操作，生成高度汇总的数据，方便管理层快速获取关键指标数据；ADS层则根据不同的业务部门或特定的业务应用场景构建数据集市，提供定制化的数据服务，满足各部门的个性化分析需求。数据存储与管理技术：基于大规模并行处理（MPP）架构的数据仓库平台，或者采用云数据仓库解决方案，以应对海量数据的存储和高效处理需求。同时，结合数据压缩、索引优化、分区存储等技术手段，提高数据存储效率和查询性能。ETL与数据质量管理：配备强大的ETL（抽取、转换、加载）工具和流程，确保数据从不同数据源准确、高效地抽取并转换为符合数据仓库

银行数据仓库是银行进行数据管理与分析的核心系统，具有重要作用和独特的架构及应用特点：作用支持决策制定：整合银行内部各类业务数据，为管理层提供全面、准确且及时的数据洞察，助力制定战略决策。风险管理基本信息、交易行为、偏好等数据，实现客户细分与精准营销，增强客户满意度和忠诚度，提升银行市场份额。合规与审计：集中存储和管理各类业务数据，满足监管部门对银行数据的合规性要求，为内部审计工作提供详实的数据，统一数据格式和编码规则；DWS层在DWD层基础上，根据银行常见的分析主题进行进一步的汇总和聚合操作，生成高度汇总的数据，方便管理层快速获取关键指标数据；ADS层则根据不同的业务部门或特定的业务应用场景构建数据集市，提供定制化的数据服务，满足各部门的个性化分析需求。数据存储与管理技术：基于大规模并行处理（MPP）架构的数据仓库平台，或者采用云数据仓库解决方案，以应对海量数据的存储和高效处理需求。同时，结合数据压缩、索引优化、分区存储等技术手段，提高数据存储效率和查询性能。ETL与数据质量管理：配备强大的ETL（抽取、转换、加载）工具和流程，确保数据从不同数据源准确、高效地抽取并转换为符合数据仓库

邮储银行江苏省分行现有数据下载平台系统共包含超过1200张数据表，内容涵盖储蓄、汇兑、理财、个人信贷及对公业务等邮储银行各项主营业务。近五年来共支持完成十多项主题案例分析以及大量日常（临时与例行事务处理特性，就无法上线数据仓库业务，所以目前开源Hadoop产品无法有效应用于真正数据仓库领域。在处理规整后的数据，可方便的通过SQLBulkload批量加载到Hyperbase中，同时建立索引，提供，自主掌握数据仓库也能大大提高平台与机构对数据的适应力。自建数据中心，可以做到更加快速的响应，更好的解决地市的数据需求。地市及以下机构的科技力量薄弱，无法完全依赖总行，需要省行据有一定的“开发能力”以支撑存储。与传统数据仓库相比，一般大数据平台更适合从价值密度低的数据中挖掘金子，更适合作为数据仓库和OLAP分析体系基础的平台构建。但是，星环科技分析型数据库Inceptor通过对于SQL2003以及PL/SQL的高度支持以及内置高性能的内存计算引擎，并能够支持分布式事务处理保证CRUD操作的ACID特性，是新一代数据仓库的代表产品。尤其是这个应用场景中，增量的从总行同步数据，要求大数据系统能够

的全面了解和管理。数据服务：数据仓库提供了多种数据服务，如数据查询、数据分析、数据挖掘等。这些数据服务帮助业务部门更好地了解客户需求，制定更精准的营销策略，提高银行的业务效益。数据安全与权限管理：在数据仓库。同时，数据仓库层还具备数据压缩、索引优化、分区管理等高级功能，以提高数据存储和查询的性能。数据集市层：数据集市层是数据仓库的延伸和补充，它根据特定的业务需求和数据使用场景，从数据仓库层中提取和整合相关。系统支持与维护：为了确保数据仓库的稳定运行和持续优化，银行还建立了完善的系统支持和维护机制，包括技术支持团队、系统监控和告警机制、故障恢复预案等。数据仓库的结构通常包括以下几个主要组成部分：数据源层：这是数据仓库的起点，包含了企业内部各种异构的数据源，如关系数据库、非关系数据库、文件系统、Web数据等。这些数据源是数据仓库数据的原始来源，也是，是数据从源系统到数据仓库的桥梁。数据仓库层：这是数据仓库的核心部分，负责存储经过ETL处理后的数据。数据仓库层通常采用星型模式、雪花模式或混合模式等数据结构来组织数据，以便支持高效的数据查询和分析

的全面了解和管理。数据服务：数据仓库提供了多种数据服务，如数据查询、数据分析、数据挖掘等。这些数据服务帮助业务部门更好地了解客户需求，制定更精准的营销策略，提高银行的业务效益。数据安全与权限管理：在数据仓库。同时，数据仓库层还具备数据压缩、索引优化、分区管理等高级功能，以提高数据存储和查询的性能。数据集市层：数据集市层是数据仓库的延伸和补充，它根据特定的业务需求和数据使用场景，从数据仓库层中提取和整合相关。系统支持与维护：为了确保数据仓库的稳定运行和持续优化，银行还建立了完善的系统支持和维护机制，包括技术支持团队、系统监控和告警机制、故障恢复预案等。数据仓库的结构通常包括以下几个主要组成部分：数据源层：这是数据仓库的起点，包含了企业内部各种异构的数据源，如关系数据库、非关系数据库、文件系统、Web数据等。这些数据源是数据仓库数据的原始来源，也是，是数据从源系统到数据仓库的桥梁。数据仓库层：这是数据仓库的核心部分，负责存储经过ETL处理后的数据。数据仓库层通常采用星型模式、雪花模式或混合模式等数据结构来组织数据，以便支持高效的数据查询和分析

的全面了解和管理。数据服务：数据仓库提供了多种数据服务，如数据查询、数据分析、数据挖掘等。这些数据服务帮助业务部门更好地了解客户需求，制定更精准的营销策略，提高银行的业务效益。数据安全与权限管理：在数据仓库。同时，数据仓库层还具备数据压缩、索引优化、分区管理等高级功能，以提高数据存储和查询的性能。数据集市层：数据集市层是数据仓库的延伸和补充，它根据特定的业务需求和数据使用场景，从数据仓库层中提取和整合相关。系统支持与维护：为了确保数据仓库的稳定运行和持续优化，银行还建立了完善的系统支持和维护机制，包括技术支持团队、系统监控和告警机制、故障恢复预案等。数据仓库的结构通常包括以下几个主要组成部分：数据源层：这是数据仓库的起点，包含了企业内部各种异构的数据源，如关系数据库、非关系数据库、文件系统、Web数据等。这些数据源是数据仓库数据的原始来源，也是，是数据从源系统到数据仓库的桥梁。数据仓库层：这是数据仓库的核心部分，负责存储经过ETL处理后的数据。数据仓库层通常采用星型模式、雪花模式或混合模式等数据结构来组织数据，以便支持高效的数据查询和分析

数据仓库是一种专为报告和分析而设计的数据库系统，它具有以下特点：集成性：数据仓库集成了来自多个数据源的数据，提供了企业级的统一视图。主题导向：数据仓库是围绕特定的业务主题组织的，而不是像操作型数据分析师、报告编写者和决策者访问，用于生成报告和分析，而不是由业务用户和应用程序直接访问。数据量：数据仓库可能存储大量的历史数据，数据量通常比操作型数据库大得多。元数据管理：数据仓库包含元数据，这些元数据规性：数据仓库提供了数据访问控制和安全措施，以保护敏感数据，并确保合规性。支持决策：数据仓库的主要目的是支持企业决策，提供历史数据分析和业务洞察。库那样围绕应用程序功能组织。非易失性：数据仓库中的数据主要用于查询和分析，不涉及日常事务处理，因此它是非易失性的，数据一旦写入，通常不会被修改或删除。时间维度：数据仓库支持时间序列分析，能够存储和管理历史数据，帮助分析长期趋势。数据质量：数据仓库中的数据经过清洗和整合，以确保数据的准确性和一致性。多维数据模型：数据仓库通常使用星型模型或雪花模型等多维数据模型，这些模型支持快速的数据访问和分析。数据

数据仓库是一种专为报告和分析而设计的数据库系统，它具有以下特点：集成性：数据仓库集成了来自多个数据源的数据，提供了企业级的统一视图。主题导向：数据仓库是围绕特定的业务主题组织的，而不是像操作型数据分析师、报告编写者和决策者访问，用于生成报告和分析，而不是由业务用户和应用程序直接访问。数据量：数据仓库可能存储大量的历史数据，数据量通常比操作型数据库大得多。元数据管理：数据仓库包含元数据，这些元数据规性：数据仓库提供了数据访问控制和安全措施，以保护敏感数据，并确保合规性。支持决策：数据仓库的主要目的是支持企业决策，提供历史数据分析和业务洞察。库那样围绕应用程序功能组织。非易失性：数据仓库中的数据主要用于查询和分析，不涉及日常事务处理，因此它是非易失性的，数据一旦写入，通常不会被修改或删除。时间维度：数据仓库支持时间序列分析，能够存储和管理历史数据，帮助分析长期趋势。数据质量：数据仓库中的数据经过清洗和整合，以确保数据的准确性和一致性。多维数据模型：数据仓库通常使用星型模型或雪花模型等多维数据模型，这些模型支持快速的数据访问和分析。数据

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...

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•...

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"}...

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：

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

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":...

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。...

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