数据集市的行业应用

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，让决策者更好地理解他们的业务，以更好地指导战略方向。通过收集和整理数据，企业可以更快速，更准确地制定战略。星环数据集市解决方案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。

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，让决策者更好地理解他们的业务，以更好地指导战略方向。通过收集和整理数据，企业可以更快速，更准确地制定战略。星环数据集市解决方案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。

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。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。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。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。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

风险数据集市是一个从风险角度出发的数据集市，它可以统一全行的风险数据，并确保数据的完整性、准确性、一致性和全面性。这个数据集市可以支持各种风险应用，例如风险预警、市场风险、操作风险、组合风险等，并满足各种资本计量、内部评级、监管报告和信息披露要求。通过使用风险数据集市，可以减少数据冗余，改善数据不一致的状况，并为各种风险应用平台提供统一有效的数据支撑，为全面风险管理应用奠定实基础。风险数据集市自身的风险状况，从而做出更明智的决策。支持各类风险应用：风险数据集市支持各类风险应用，如风险预警监控、内部评级、市场风险、操作风险、RWA（风险加权资产）、组合风险等。这使得银行能够在统一的平台上管理和监控各种风险。满足各类要求：风险数据集市不仅满足了银行内部资本充足评估、监管报告、信息披露等要求，还为资本计量等各类风险应用提供了统一有效的数据支撑。这使得银行能够更好地遵守监管要求，同时提高了数据的质量和准确性。数据一次加工、多次使用：风险数据集市实现了数据一次加工、多次使用的共享机制，减少了数据冗余，改善了数据不一致的状况。这提高了数据的使用效率，同时也减少了数据管理的复杂性。为全面风险管理应用

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。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。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

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

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•...

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

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"}...

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。

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":...

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：

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