选择哪款图数据库
Transwarp StellarDB是星环科技自主研发的企业级分布式图数据库,提供高性能的图存储、计算、分析、查询和展示服务。StellarDB支持原生图存储,千亿点、万亿边、PB级大规模图数据存储;具备10+层的深度链路分析能力,提供丰富的图分析算法和深度图算法;支持标准图查询语言并兼容 openCypher,并具备2D/3D图展示能力,可以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。
选择哪款图数据库 更多内容

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
图数据库与传统数据库有何不同?
图数据库与传统数据库在数据模型、查询方式、扩展性和应用场景等方面存在显著差异。选择哪种数据库取决于具体的应用需求和业务场景。数据模型图数据库:使用图结构来组织数据,基本元素是节点(或顶点)和边代表属性。数据之间的关系通过主键和外键来建立。查询方式图数据库:使用图查询语言进行查询。这些查询语言允许用户直接搜索和遍历节点和边之间的关系,高效地处理涉及复杂关系的查询。传统数据库:使用结构化查询语言(SQL)进行查询。SQL语言强大而灵活,可以方便地执行各种复杂的查询和数据操作,但在处理多表关联时性能开销较大,查询语句也相对复杂。扩展性图数据库:具有良好的水平扩展能力,意味着可以通过增加更多的机器或节点来扩展数据库的处理能力。这种扩展方式对于处理大规模图数据集非常有效。传统数据库:通常采用垂直扩展或复制的方式来处理大量的表数据。垂直扩展意味着增加服务器的处理能力和资源,复制则是通过创建多个数据库副本来处理负载。这种扩展方式在某种程度上可以提高性能和容量,但有一定的限制,并且可能会涉及更高的成本。应用场景图数据库:适合需要存储和查询复杂的关系网络的场景,如社交网络分析

行业资讯
大模型知识库使用向量数据库还是图数据库?
维护复杂的网络结构,保留了丰富的语义关系。在更新频率适应性上,向量数据库适合频繁添加新数据但不常更新的场景,而图数据库能够更好地处理频繁的关系变化。选择哪种数据库取决于具体应用需求。如果主要任务是基于大模型知识库使用向量数据库还是图数据库?在构建大模型知识库时,选择合适的数据库技术尤为重要。当前主要有两种数据库类型备受关注:向量数据库和图数据库。这两种技术各有特点,适用于不同的应用场景。向量语义上相似的条目。这种能力使得向量数据库特别适合用于大模型的记忆扩展、上下文检索等任务。它的优势在于相似性搜索的快速性,即使面对数十亿级别的向量数据,也能保持较快的查询速度。图数据库则以不同的方式组织数据,它专注于实体之间的关系。在图数据库中,数据以节点和边的形式存储,节点代表实体,边代表实体间的关系。这种结构天然适合表示复杂的关联网络,如社交网络、知识图谱等。对于需要深度推理和关系挖掘的大模型应用,图数据库能够提供更丰富的语义信息。它擅长处理多跳查询,即通过多个关系步骤连接不同实体的查询需求。从性能角度比较,向量数据库在相似性搜索方面表现优异,查询时间通常与数据量呈次线性关系。而图数据库在
猜你喜欢
产品文档
2 Quick Start
ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...
产品文档
1 Introduction
OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...
产品文档
5.18 全文检索
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。
产品文档
5.3 写入类操作
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...
产品文档
5.8 查看集群信息
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:
产品文档
5.10 任务相关
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":...
产品文档
10 Hippo 运维
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•...
产品文档
5.7 查询类操作
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"}...
产品文档
3.3 Cluster
OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...
产品文档
8 性能分析
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。...