北京数据集市 公司

、技术研发型、市场应用型和业务探索型等4大类型。星环科技北京子公司凭借在大数据、人工智能等领域的技术实力及综合竞争力入选“2023北京软件核心竞争力企业（业务探索型）”。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技北京子公司曾入选北京市2022年度首批“专精特新”企业名单，充分表明了行业权威机构近日，北京软件和信息服务业协会（简称“北京软协”）第十一届会员代表大会第一次会议暨第十一届理事会第一次会议期间，北京软协副会长费振勇发布《2023北京软件企业核心竞争力评价报告》，评价分为平台赋能型对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。星环科技自成立之初就坚持自主研发与技术创新，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的数据云技术以及大数据开发与智能分析技术六个方面。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，为推动数字经济发展持续贡献力量。

、技术研发型、市场应用型和业务探索型等4大类型。星环科技北京子公司凭借在大数据、人工智能等领域的技术实力及综合竞争力入选“2023北京软件核心竞争力企业（业务探索型）”。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技北京子公司曾入选北京市2022年度首批“专精特新”企业名单，充分表明了行业权威机构近日，北京软件和信息服务业协会（简称“北京软协”）第十一届会员代表大会第一次会议暨第十一届理事会第一次会议期间，北京软协副会长费振勇发布《2023北京软件企业核心竞争力评价报告》，评价分为平台赋能型对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。星环科技自成立之初就坚持自主研发与技术创新，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的数据云技术以及大数据开发与智能分析技术六个方面。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，为推动数字经济发展持续贡献力量。

、治理、建模、分析、挖掘和流通等数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技已经多次入选上海市“专精特新”企业名单。以荣誉和成绩为契机，星环科技将继续深耕技术创新和基础软件研发，发挥行业引领示范作用，为我国建设科技强国提供有力支撑！近日，北京市经济和信息化局发布《2022年度第一批“专精特新”中小企业》公告，星环科技北京子公司成功入选北京市“专精特新”中小企业名单。星环科技入选北京市2022年度首批“专精特新”企业名单按照工信中小企业”上升至国家战略高度，“专精特新”这一概念与科技强国、制造强国等结合在一起。此次入选北京市2022年度第一批认定的“专精特新”中小企业名单，充分表明了行业权威机构对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。作为一家企业级大数据基础软件开发商，星环科技自成立之初就坚持自主研发与技术创新。经过多年自主研发，星环科技建立了多个产品系列，并拥有多项专利技术，能够围绕数据的集成、存储

、技术研发型、市场应用型和业务探索型等4大类型。星环科技北京子公司凭借在大数据、人工智能等领域的技术实力及综合竞争力入选“2023北京软件核心竞争力企业（业务探索型）”。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技北京子公司曾入选北京市2022年度首批“专精特新”企业名单，充分表明了行业权威机构近日，北京软件和信息服务业协会（简称“北京软协”）第十一届会员代表大会第一次会议暨第十一届理事会第一次会议期间，北京软协副会长费振勇发布《2023北京软件企业核心竞争力评价报告》，评价分为平台赋能型对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。星环科技自成立之初就坚持自主研发与技术创新，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的数据云技术以及大数据开发与智能分析技术六个方面。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，为推动数字经济发展持续贡献力量。

（以下简称星环科技）与北京荣之联科技股份有限公司（简称：荣之联）正式签署战略合作协议，双方将携手推进大数据平台行业解决方案和市场推广。经过双方技术人员的共同努力，星环科技将携手荣之联推进大数据行业技术应用拥有丰富经验。北京荣之联科技股份有限公司成立于2001年，是国内领先的信息技术服务提供商，致力于融合云计算、大数据技术，推动企业信息资源创新应用。荣之联有业务由云计算和IT服务、大数据和物联网当下，“大数据”炙手可热,对于hadoop技术而言，很多企业都不会错失机会，俨然已成了各家必争之地。在传统数据库无法满足客户需求时，大数据解决方案也成为了用户关注的焦点，星环信息科技（上海）有限公司解决方案、产品及服务。双方的合作将包括但不仅限于北京区域，率先在生物医药，农业，传媒、汽车等行业中的高端企业用户提供完整的基于大数据hadoopd的行业应用解决方案，同时双方准备发挥各自的优势，在全国范围内展开深入的市场合作及宣传，推广大数据在行业、企业市场的应用及服务。星环科技与荣之联的携手，不仅能帮助客户完成大数据行业技术解决方案，还能提供一系列后续技术服务支持，包括在北京成立联合应用实验室

和查询的形式，以满足特定应用的需求。数据集市通常由一组指定领域内的数据组成，例如零售数据，销售数据，或者客户数据。这些数据来源于公司内部或外部，例如购买记录收集数据和外部供应商的数据。在数据集市数据集市(DataMart)是一种面向特定应用的、更小更集中的数据仓库，主要针对具体的、部门级别的应用。与传统的数据仓库相比，数据集市主要针对某一个定的应用，可以更加精细地管理数据，这也是数据集市备受欢迎的主要原因之一。数据集市与大型的数据仓库相比，更小，更加集中，可以更快、灵活地使用和构建。数据集市可以支持特定的业务应用，例如销售、客户服务等方方面面。因此，在数据集市中，数据被组织为更易于使用内，数据被高度专业化、优化和配置，以保证数据的准确性、一致性和可靠性。同时，在数据集市内，数据也被分段、细分和划分，以便于更加高效地查询、管理和使用。数据集市的主要优点在于其对数据的更高效管理，因为数据集市针对特定应用的需求进行了高度定制。从使用者的角度来看，这些数据非常好用，因它们已经经过处理，使得使用者可以从中获取他们生产和运营所需的信息，而不用进行任何处理或转换。数据集市还可以改善企业的决策过程

什么是数据集市？数据集市旨在满足单个数据团队或业务线的特定需求。与数据仓库相比，数据集市通常更小更集中，一般作为企业大型数据仓库的一个子集存在。数据集市通常用于分析、商业智能和报告。数据集市是中央数据仓库和数据湖物理现实的第一步。数据集市的特点通常由企业数据团队建立和管理，但也可由业务部门的中小型企业有机地建立和维护。业务组数据管理员负责维护数据集市，终端用户只有只读访问权限--他们可以查询和。围绕特定业务线或使用案例的独特需求而设计。用户通常使用SQL命令查询数据。数据集市的优势单一真实来源：数据集市可作为特定业务线的单一真实来源，因此每个人都能根据相同的事实和数据开展工作。简便性：查找数据的业务用户可以访问精心策划的数据集市，轻松访问他们所关心的数据，而不必涉猎整个数据仓库并将表格连接起来才能获得所需的数据。星环数据集市解决方案数据集市是专门为特定部门/业务/项目设计和构建的数据仓库的一个子部分。由于每个数据集市仅用于特定部门，因此通过数据集市性能负载在部门内部得到了很好的管理，不会影响其他集市的分析工作。星环数据集市解决方案为客户构建稳定高效的数据集市平台，广泛应用于金融、政企、交通、能源、电信等多个领域。

和查询的形式，以满足特定应用的需求。数据集市通常由一组指定领域内的数据组成，例如零售数据，销售数据，或者客户数据。这些数据来源于公司内部或外部，例如购买记录收集数据和外部供应商的数据。在数据集市数据集市(DataMart)是一种面向特定应用的、更小更集中的数据仓库，主要针对具体的、部门级别的应用。与传统的数据仓库相比，数据集市主要针对某一个定的应用，可以更加精细地管理数据，这也是数据集市备受欢迎的主要原因之一。数据集市与大型的数据仓库相比，更小，更加集中，可以更快、灵活地使用和构建。数据集市可以支持特定的业务应用，例如销售、客户服务等方方面面。因此，在数据集市中，数据被组织为更易于使用内，数据被高度专业化、优化和配置，以保证数据的准确性、一致性和可靠性。同时，在数据集市内，数据也被分段、细分和划分，以便于更加高效地查询、管理和使用。数据集市的主要优点在于其对数据的更高效管理，因为数据集市针对特定应用的需求进行了高度定制。从使用者的角度来看，这些数据非常好用，因它们已经经过处理，使得使用者可以从中获取他们生产和运营所需的信息，而不用进行任何处理或转换。数据集市还可以改善企业的决策过程

什么是数据集市？数据集市旨在满足单个数据团队或业务线的特定需求。与数据仓库相比，数据集市通常更小更集中，一般作为企业大型数据仓库的一个子集存在。数据集市通常用于分析、商业智能和报告。数据集市是中央数据仓库和数据湖物理现实的第一步。数据集市的特点通常由企业数据团队建立和管理，但也可由业务部门的中小型企业有机地建立和维护。业务组数据管理员负责维护数据集市，终端用户只有只读访问权限--他们可以查询和。围绕特定业务线或使用案例的独特需求而设计。用户通常使用SQL命令查询数据。数据集市的优势单一真实来源：数据集市可作为特定业务线的单一真实来源，因此每个人都能根据相同的事实和数据开展工作。简便性：查找数据的业务用户可以访问精心策划的数据集市，轻松访问他们所关心的数据，而不必涉猎整个数据仓库并将表格连接起来才能获得所需的数据。星环数据集市解决方案数据集市是专门为特定部门/业务/项目设计和构建的数据仓库的一个子部分。由于每个数据集市仅用于特定部门，因此通过数据集市性能负载在部门内部得到了很好的管理，不会影响其他集市的分析工作。星环数据集市解决方案为客户构建稳定高效的数据集市平台，广泛应用于金融、政企、交通、能源、电信等多个领域。

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•...

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...

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"}...

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。...

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":...