数据仓库行业白皮书

中国信通院发布了《全球数字治理白皮书(2023年)》。连续四年发布白皮书核心观点包括：全球数字治理面临复杂多变新形势，前沿人工智能“飞跃”突破敲响安全警钟，人工智能技术军民两用、危险难预测、转移难监测、私营部门主导等特性放大了伦理偏见、虚假信息、隐私泄露、版权侵权等风险，引发数据主权、文化多样性、劳动替代等讨论。数字治理焦点议题新方案涌现。世界主要国家人工智能治理模式初具雏形，大国间围绕人工智能安全合作共识初建，未来各方如何围绕透明度、数据集、版权、评估工具等具体领域开展合作仍有待观察。全球数字治理变革加速。多利益攸关方在联合国、二十国集团等多边平台上日益活跃，数字治理多边模式和多利益攸关方

中国信通院发布了《全球数字治理白皮书(2023年)》。连续四年发布白皮书核心观点包括：全球数字治理面临复杂多变新形势，前沿人工智能“飞跃”突破敲响安全警钟，人工智能技术军民两用、危险难预测、转移难监测、私营部门主导等特性放大了伦理偏见、虚假信息、隐私泄露、版权侵权等风险，引发数据主权、文化多样性、劳动替代等讨论。数字治理焦点议题新方案涌现。世界主要国家人工智能治理模式初具雏形，大国间围绕人工智能安全合作共识初建，未来各方如何围绕透明度、数据集、版权、评估工具等具体领域开展合作仍有待观察。全球数字治理变革加速。多利益攸关方在联合国、二十国集团等多边平台上日益活跃，数字治理多边模式和多利益攸关方

中国信通院发布了《数据要素白皮书(2022年)》，白皮书核心观点包括：数据要素主要通过3种途径释放价值：业务贯通，通过数据支撑业务系统运转，实现线下与线上、业务与业务之间的贯通;数智决策，通过数据的加工、分析、建模来挖掘信息和规律，辅助企业经营和业务执行的自动化、智能化决策;流通赋能，打破数据壁垒，使优质数据在跨机构、跨行业的新业务、新场景中汇聚融合，让高价值的数据惠及各行各业。流通赋能是数据要素价值飞跃的关键。数据产品及服务为流通对象，以数据供方、需方为主体，通过流通实现参与方各自诉求的数据要素市场逐渐获得政策布局和产业实践的重点关注。数据要素市场存在开放、共享、交易3种流通形式。数据要素市场的经营运行涌现出3种新模式：从自行管理运维到委托运营的机制创新模式;从供需直接对接到多元数商参与的主体创新模式;从分散对接到统一数据空间的设施创新模式。数据要素市场培育存在权利归属难以界定、估值定价缺乏依据、流通规则尚不完善、流通技术仍未成熟四大障碍。

中国信通院发布了《数据要素白皮书(2022年)》，白皮书核心观点包括：数据要素主要通过3种途径释放价值：业务贯通，通过数据支撑业务系统运转，实现线下与线上、业务与业务之间的贯通;数智决策，通过数据的加工、分析、建模来挖掘信息和规律，辅助企业经营和业务执行的自动化、智能化决策;流通赋能，打破数据壁垒，使优质数据在跨机构、跨行业的新业务、新场景中汇聚融合，让高价值的数据惠及各行各业。流通赋能是数据要素价值飞跃的关键。数据产品及服务为流通对象，以数据供方、需方为主体，通过流通实现参与方各自诉求的数据要素市场逐渐获得政策布局和产业实践的重点关注。数据要素市场存在开放、共享、交易3种流通形式。数据要素市场的经营运行涌现出3种新模式：从自行管理运维到委托运营的机制创新模式;从供需直接对接到多元数商参与的主体创新模式;从分散对接到统一数据空间的设施创新模式。数据要素市场培育存在权利归属难以界定、估值定价缺乏依据、流通规则尚不完善、流通技术仍未成熟四大障碍。

中国信通院发布了《数据要素白皮书(2022年)》，白皮书核心观点包括：数据要素主要通过3种途径释放价值：业务贯通，通过数据支撑业务系统运转，实现线下与线上、业务与业务之间的贯通;数智决策，通过数据的加工、分析、建模来挖掘信息和规律，辅助企业经营和业务执行的自动化、智能化决策;流通赋能，打破数据壁垒，使优质数据在跨机构、跨行业的新业务、新场景中汇聚融合，让高价值的数据惠及各行各业。流通赋能是数据要素价值飞跃的关键。数据产品及服务为流通对象，以数据供方、需方为主体，通过流通实现参与方各自诉求的数据要素市场逐渐获得政策布局和产业实践的重点关注。数据要素市场存在开放、共享、交易3种流通形式。数据要素市场的经营运行涌现出3种新模式：从自行管理运维到委托运营的机制创新模式;从供需直接对接到多元数商参与的主体创新模式;从分散对接到统一数据空间的设施创新模式。数据要素市场培育存在权利归属难以界定、估值定价缺乏依据、流通规则尚不完善、流通技术仍未成熟四大障碍。

中国信通院发布了《全球数字治理白皮书(2023年)》。连续四年发布白皮书核心观点包括：全球数字治理面临复杂多变新形势，前沿人工智能“飞跃”突破敲响安全警钟，人工智能技术军民两用、危险难预测、转移难监测、私营部门主导等特性放大了伦理偏见、虚假信息、隐私泄露、版权侵权等风险，引发数据主权、文化多样性、劳动替代等讨论。数字治理焦点议题新方案涌现。世界主要国家人工智能治理模式初具雏形，大国间围绕人工智能安全合作共识初建，未来各方如何围绕透明度、数据集、版权、评估工具等具体领域开展合作仍有待观察。全球数字治理变革加速。多利益攸关方在联合国、二十国集团等多边平台上日益活跃，数字治理多边模式和多利益攸关方

中国信通院发布了《数据要素白皮书(2022年)》，白皮书核心观点包括：数据要素主要通过3种途径释放价值：业务贯通，通过数据支撑业务系统运转，实现线下与线上、业务与业务之间的贯通;数智决策，通过数据的加工、分析、建模来挖掘信息和规律，辅助企业经营和业务执行的自动化、智能化决策;流通赋能，打破数据壁垒，使优质数据在跨机构、跨行业的新业务、新场景中汇聚融合，让高价值的数据惠及各行各业。流通赋能是数据要素价值飞跃的关键。数据产品及服务为流通对象，以数据供方、需方为主体，通过流通实现参与方各自诉求的数据要素市场逐渐获得政策布局和产业实践的重点关注。数据要素市场存在开放、共享、交易3种流通形式。数据要素市场的经营运行涌现出3种新模式：从自行管理运维到委托运营的机制创新模式;从供需直接对接到多元数商参与的主体创新模式;从分散对接到统一数据空间的设施创新模式。数据要素市场培育存在权利归属难以界定、估值定价缺乏依据、流通规则尚不完善、流通技术仍未成熟四大障碍。

中国信通院发布了《数据要素白皮书(2022年)》，白皮书核心观点包括：数据要素主要通过3种途径释放价值：业务贯通，通过数据支撑业务系统运转，实现线下与线上、业务与业务之间的贯通;数智决策，通过数据的加工、分析、建模来挖掘信息和规律，辅助企业经营和业务执行的自动化、智能化决策;流通赋能，打破数据壁垒，使优质数据在跨机构、跨行业的新业务、新场景中汇聚融合，让高价值的数据惠及各行各业。流通赋能是数据要素价值飞跃的关键。数据产品及服务为流通对象，以数据供方、需方为主体，通过流通实现参与方各自诉求的数据要素市场逐渐获得政策布局和产业实践的重点关注。数据要素市场存在开放、共享、交易3种流通形式。数据要素市场的经营运行涌现出3种新模式：从自行管理运维到委托运营的机制创新模式;从供需直接对接到多元数商参与的主体创新模式;从分散对接到统一数据空间的设施创新模式。数据要素市场培育存在权利归属难以界定、估值定价缺乏依据、流通规则尚不完善、流通技术仍未成熟四大障碍。

实践白皮书(5.0版)》的基础上，结合2022年数据资产管理领域政策和行业动向，持续跟踪各行业典型方法和实践案例，更新了数据资产管理的理念和方法，对数据资产管理领域的发展现状和趋势进行了总结，有助于大数据技术标准推进委员会推出《数据资产管理实践白皮书》。从2017年开始，大数据技术标准推进委员会已连续6年发布数据资产管理领域的系列研究报告。《数据资产管理实践白皮书(6.0版)》在《数据资产管理业务发展存在割裂、数据资产难于持续运营等问题。本白皮书总结了数据资产管理活动职能的核心理念与实践要点，提出了战略规划、组织架构、制度体系、平台工具、长效机制五大数据资产管理保障措施，提倡企业体系化企业了解自身所处的发展阶段，更好的拟定下一步建设思路。目前，越来越多的企业开展数据资产管理工作，推动企业数字化转型。但多数企业仍停留在数据资产管理发展初期，仍然面临数据资产管理内驱力不足、数据资产管理与开展数据资产管理工作，提升数据资源化效率，创新数据资产化模式，引导企业充分融入数据要素市场发展，加速数据资产价值释放。

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

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

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•...

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":...

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：

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...

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

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。...

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"}...