国产时空数据库比较

随着科技和信息技术的快速发展，时空数据已经成为重要的技术支撑和决策工具。与此同时，国内也出现了不少优秀的国产时空数据库产品，不仅在空间分析、时序分析等方面实现了卓越的表现，同时也在存储管理、可视化展示等方面有着出色的成果。不少时空数据库产品已实现了高可靠性、高性能和高稳定性的功能，在交通运输、城市规划、GIS和物流供应链等领域都有着广泛的应用。其中星环科技的分布式时空数据库-TranswarpSpacture就是其中一款优秀的时空数据库产品。星环分布式时空数据库-TranswarpSpactureSpacture是星环科技自主研发的一款面向空间、时空数据的存储与管理，集计算与存储为一体的分布式数据库产品，支持大规模矢量数据、时空轨迹数据的存储与计算，具有完备的数据查询、分析和挖掘能力，可用于时空查询分析、时空模式挖掘、时空轨迹聚类等时空轨迹数据分析场景，广泛应用于交通物流、城市管理、位置服务等场景。产品优势原生空间：时空数据类型，针对空间时空数据的特定优化。兼容OGC标准：提供丰富的分析函数，具备复杂分析挖掘能力。支持SQL：基于SQL完成空间分析和轨迹分析，降低产品使用门槛。兼容

随着科技和信息技术的快速发展，时空数据已经成为重要的技术支撑和决策工具。与此同时，国内也出现了不少优秀的国产时空数据库产品，不仅在空间分析、时序分析等方面实现了卓越的表现，同时也在存储管理、可视化展示等方面有着出色的成果。不少时空数据库产品已实现了高可靠性、高性能和高稳定性的功能，在交通运输、城市规划、GIS和物流供应链等领域都有着广泛的应用。其中星环科技的分布式时空数据库-TranswarpSpacture就是其中一款优秀的时空数据库产品。星环分布式时空数据库-TranswarpSpactureSpacture是星环科技自主研发的一款面向空间、时空数据的存储与管理，集计算与存储为一体的分布式数据库产品，支持大规模矢量数据、时空轨迹数据的存储与计算，具有完备的数据查询、分析和挖掘能力，可用于时空查询分析、时空模式挖掘、时空轨迹聚类等时空轨迹数据分析场景，广泛应用于交通物流、城市管理、位置服务等场景。产品优势原生空间：时空数据类型，针对空间时空数据的特定优化。兼容OGC标准：提供丰富的分析函数，具备复杂分析挖掘能力。支持SQL：基于SQL完成空间分析和轨迹分析，降低产品使用门槛。兼容

TranswarpSpacture是星环自主研发的时空数据库。支持大规模矢量数据、时空轨迹数据、栅格瓦片数据的存储与计算，具有完备的数据查询、分析和挖掘能力，可用于时空查询分析、时空模式挖掘、时空编码，并提供丰富的时空数据分析函数和算法支持。通过将各类业务复杂分析与查询下推到数据库层面执行，简化数据传输逻辑，让计算贴近存储，解放软件和业务层面的运行压力，并通过优化数据结构和算法、提供时空索引等技术大幅提升时空数据处理分析性能。Spacture已完成与主流国产CPU、服务器、操作系统的兼容适配认证，并且兼容PostgreSQL及其插件、postgis语法和主流GIS软件，充分满足PostgreSQL、PostGIS等国产化替换需求。轨迹聚类等时空轨迹数据分析场景，广泛应用于交通物流、城市管理、位置服务等场景。TranswarpSpacture在时空数据存储、管理与计算等关键技术上不断探索突破。针对时空大数据结构复杂、种类繁多的特点，Spacture原生支持矢量、栅格、瓦片、轨迹等多种空间、时空数据模型，为泛在空间应用提供一体化空间数据的存储支撑。同时Spacture支持OGC标准，支持GeoSOT（全球剖分网格编码）与北斗网格

TranswarpSpacture是星环自主研发的时空数据库。支持大规模矢量数据、时空轨迹数据、栅格瓦片数据的存储与计算，具有完备的数据查询、分析和挖掘能力，可用于时空查询分析、时空模式挖掘、时空编码，并提供丰富的时空数据分析函数和算法支持。通过将各类业务复杂分析与查询下推到数据库层面执行，简化数据传输逻辑，让计算贴近存储，解放软件和业务层面的运行压力，并通过优化数据结构和算法、提供时空索引等技术大幅提升时空数据处理分析性能。Spacture已完成与主流国产CPU、服务器、操作系统的兼容适配认证，并且兼容PostgreSQL及其插件、postgis语法和主流GIS软件，充分满足PostgreSQL、PostGIS等国产化替换需求。轨迹聚类等时空轨迹数据分析场景，广泛应用于交通物流、城市管理、位置服务等场景。TranswarpSpacture在时空数据存储、管理与计算等关键技术上不断探索突破。针对时空大数据结构复杂、种类繁多的特点，Spacture原生支持矢量、栅格、瓦片、轨迹等多种空间、时空数据模型，为泛在空间应用提供一体化空间数据的存储支撑。同时Spacture支持OGC标准，支持GeoSOT（全球剖分网格编码）与北斗网格

国产分布式数据库星环分布式向量数据库-TranswarpHippoTranswarpHippo是一款企业级云原生分布式向量数据库，支持存储，索引以及管理海量的向量式数据集，能够高效的解决向量相似度海量数据3D图展示能力。StellarDB帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。星环分布式时空数据库-TranswarpSpactureTranswarpSpacture是星环科技推出的一款分布式时空数据库，支持空间地理、时空轨迹、遥感影像等海量数据的存储、查询、分析和挖掘服务。Spacture具备高性能数据读写和分析能力。支持OGC标准图形类型和空间关系，兼容常见的Oracle和MySQL、高可用、高性能、集中式与分布式一体化等特性，为企业核心业务系统提供完备的国产化数据库能力支撑。基于自研内存数据库引擎，KunDB单机TPC-C达到188万tpmC，同时性能扩展比超90%，可实现Oralce和MySQL的国产化替代，满足企业关键业务处理、高并发查询、分布式改造、交易分析混合的数据中台等复杂场景，在金融、政务、能源、医疗、交通、教育等多个行业应用，为用户提供高性能、稳定可靠、经济实用的国产化数据库产品。

，统一监控及审计等安全能力，满足企业关键业务处理、高并发查询、业务分布式改造、交易分析混合的数据中台等复杂场景需要。星环分布式时空数据库-SpactureSpacture是星环研发的国产分布式时空数据库星环研发的国产分布式时空数据库，具有高扩展性，可支持大规模矢量数据、遥感影像数据、数字高程数据、时空轨迹数据等PB级海量数据的存储与计算，内置了时空索引、空间拓扑几何、遥感影像处理等高效算法，具有完备随着信息化建设的不断发展，数据库已经成为现代社会信息化发展的重要支撑和核心工具。国产数据库，也就是指国内自主研发的数据库产品，经过多年的发展，已经逐渐成熟。星环科技经过多年的自主研发，打造了一系列高性能国产数据库产品，助力企业实现数据库的自主可控。并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。星环分布式数据库-ArgoDBArgoDB是星环科技自主研发的面向数据分析型业务场景的国产化分布式多模数据库，代码自研率90%以上，能够一站式替代Hadoop+MPP混合架构，支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力

，统一监控及审计等安全能力，满足企业关键业务处理、高并发查询、业务分布式改造、交易分析混合的数据中台等复杂场景需要。星环分布式时空数据库-SpactureSpacture是星环研发的国产分布式时空数据库星环研发的国产分布式时空数据库，具有高扩展性，可支持大规模矢量数据、遥感影像数据、数字高程数据、时空轨迹数据等PB级海量数据的存储与计算，内置了时空索引、空间拓扑几何、遥感影像处理等高效算法，具有完备随着信息化建设的不断发展，数据库已经成为现代社会信息化发展的重要支撑和核心工具。国产数据库，也就是指国内自主研发的数据库产品，经过多年的发展，已经逐渐成熟。星环科技经过多年的自主研发，打造了一系列高性能国产数据库产品，助力企业实现数据库的自主可控。并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。星环分布式数据库-ArgoDBArgoDB是星环科技自主研发的面向数据分析型业务场景的国产化分布式多模数据库，代码自研率90%以上，能够一站式替代Hadoop+MPP混合架构，支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力

，统一监控及审计等安全能力，满足企业关键业务处理、高并发查询、业务分布式改造、交易分析混合的数据中台等复杂场景需要。星环分布式时空数据库-SpactureSpacture是星环研发的国产分布式时空数据库星环研发的国产分布式时空数据库，具有高扩展性，可支持大规模矢量数据、遥感影像数据、数字高程数据、时空轨迹数据等PB级海量数据的存储与计算，内置了时空索引、空间拓扑几何、遥感影像处理等高效算法，具有完备随着信息化建设的不断发展，数据库已经成为现代社会信息化发展的重要支撑和核心工具。国产数据库，也就是指国内自主研发的数据库产品，经过多年的发展，已经逐渐成熟。星环科技经过多年的自主研发，打造了一系列高性能国产数据库产品，助力企业实现数据库的自主可控。并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。星环分布式数据库-ArgoDBArgoDB是星环科技自主研发的面向数据分析型业务场景的国产化分布式多模数据库，代码自研率90%以上，能够一站式替代Hadoop+MPP混合架构，支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力

国产分布式数据库星环分布式向量数据库-TranswarpHippoTranswarpHippo是一款企业级云原生分布式向量数据库，支持存储，索引以及管理海量的向量式数据集，能够高效的解决向量相似度海量数据3D图展示能力。StellarDB帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。星环分布式时空数据库-TranswarpSpactureTranswarpSpacture是星环科技推出的一款分布式时空数据库，支持空间地理、时空轨迹、遥感影像等海量数据的存储、查询、分析和挖掘服务。Spacture具备高性能数据读写和分析能力。支持OGC标准图形类型和空间关系，兼容常见的Oracle和MySQL、高可用、高性能、集中式与分布式一体化等特性，为企业核心业务系统提供完备的国产化数据库能力支撑。基于自研内存数据库引擎，KunDB单机TPC-C达到188万tpmC，同时性能扩展比超90%，可实现Oralce和MySQL的国产化替代，满足企业关键业务处理、高并发查询、分布式改造、交易分析混合的数据中台等复杂场景，在金融、政务、能源、医疗、交通、教育等多个行业应用，为用户提供高性能、稳定可靠、经济实用的国产化数据库产品。

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...

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

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。

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。...

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...

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"}...