国内领先的宽表数据库技术服务商

日前，中国信息通信研究院（以下简称“信通院“）第三批“大数据服务商能力评估”评审会结束，对数据库能力服务商能力评审结果进行公布。此次评估结果更新了获得评估等级三级及二级的企业名单。早在2020年星环科技便通过了信通院首批“大数据服务商能力评估“，在专项服务能力评估中获“数据库服务商-实施部署服务能力成熟度（四级）”，截至目前在前三批公布的名单中星环科技为参评企业中高等级，表明公司在数据库服务能力方面已具备较高的成熟度。此外，星环科技已通过“数据工程服务商能力成熟度（四级）”、“平台建设服务商能力成熟度（四级），在整体服务能力方面也已具备较高成熟度。由于大数据基础软件专业性较强且对于整个用户提供解决方案服务，包括大数据开发、治理以及分析相关的咨询、定制开发等服务，赋能客户和合作伙伴快速构建数据仓库、数据湖、数据云等多个核心场景实现，实现数据全生命周期管理的整体解决方案。信通院“大数据服务商能力评估”主要面向可以为客户提供各类大数据实施运维服务的服务商，旨在依据标准通过材料展示、问答质询、工具演示等方式全面衡量服务商提供某类服务的能力水平，助力应用方完成项目建设服务商的选型，增强

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

应运而生，它们通过专业的技术和服务，帮助客户实现数据的集中管理和价值挖掘。数据归集服务商是指专门从事数据采集、整合、清洗和分发的企业或机构。它们的主要任务是从多个来源收集数据，经过标准化处理后，提供给有需求数据归集服务商在数字化时代，数据已成为推动社会发展和企业决策的核心资源。然而，海量的数据分散在不同的平台、系统和设备中，如何有效地收集、整合并利用这些数据成为许多组织面临的挑战。数据归集服务商的客户使用。这些服务商的存在，降低了企业在数据获取和处理上的门槛，使得更多组织能够以较低的成本获得高质量的数据资源。数据归集服务商的工作流程通常包括几个关键环节。首先是数据采集，服务商会通过多种方式统一、重复或错误的问题，服务商会通过算法和人工干预对数据进行清理，确保其准确性和一致性。然后是数据存储和分发，处理后的数据会被分类存储，并通过安全的渠道提供给客户，满足其分析、决策或其他业务需求。数据归集服务商的应用场景非常广泛。在金融领域，银行和投资机构依赖服务商提供的市场数据、企业财报和舆情信息，以支持风险评估和投资决策。在零售行业，商家通过归集的消费者行为数据优化产品推荐和营销策略。政府部门则

可信数据空间服务商：数据流通的护航者在数字经济时代，数据已成为关键生产要素。但数据流通面临着信任缺失、权属不清、安全风险等诸多挑战。可信数据空间服务商应运而生，为数据流通提供可信环境和技术保障，成为推动数据要素市场化配置的重要力量。可信数据空间服务商通过区块链、隐私计算等技术，构建起数据流通的信任基础设施。区块链技术确保数据流通全过程可追溯、不可篡改，隐私计算技术实现数据"可用不可见"，有效解决了数据共享与隐私保护之间的矛盾。这些技术创新为数据流通提供了坚实的技术底座。在数据流通实践中，可信数据空间服务商发挥着关键作用。他们为数据供需双方提供可信的连接平台，制定数据流通规则，确保数据交易的合法合规。在医疗数据共享、金融风控数据交换等场景中，服务商通过技术手段确保数据安全，促进数据价值释放。例如，在医疗领域，服务商帮助医院在保护患者隐私的前提下，实现医疗数据的跨机构共享，推动精准医疗发展。随着数据要素市场化进程加快，可信数据空间服务商将迎来更大发展机遇。他们需要不断提升技术能力，完善服务体系，在确保数据安全的前提下，促进数据有效流通和价值释放。未来，可信数据空间服务商将成为数字经济时代

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。...

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":...

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

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。

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"}...

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