多模型数据库解决方案厂商

多种查询语言，能够灵活地适应不同的数据需求，并提供更好的数据一致性、可靠性和性能。在处理多样化数据的场景下，多模型数据库是一种值得考虑的解决方案。数据库来解决多样化的数据问题。这样可以极大地简化开发和维护过程，并提高系统的灵活性和性能。此外，多模型数据库还可以提供更好的数据一致性和可靠性。通过统一的平台和多种数据模型的支持，可以更方便地进行数据的多模型数据库是一种在统一、综合的平台下同时支持多种不同的数据模型的数据库，数据模型可包括传统的关系模型和NoSQL数据模型（文档模型，键值模型，图模型），多模型数据库拥有一种或多种查询语言。传统的关系型数据库使用表格组织数据，通过进行查询和操作。然而，随着大数据和分布式计算的兴起，关系型数据库在某些场景下的性能和扩展性限。为了解决这些问题，NoSQL数据库应运而生，提供了更灵活、可扩展的数据模型和分布式架构。多模型数据库的出现可以认为是将关系型数据库和NoSQL数据库的优点集中起来，以应对不同的数据需求。它能够同时存储和管理多种数据模型，使得开发人员可以根具体的应用场景选择适合的数据模型。在

多种查询语言，能够灵活地适应不同的数据需求，并提供更好的数据一致性、可靠性和性能。在处理多样化数据的场景下，多模型数据库是一种值得考虑的解决方案。数据库来解决多样化的数据问题。这样可以极大地简化开发和维护过程，并提高系统的灵活性和性能。此外，多模型数据库还可以提供更好的数据一致性和可靠性。通过统一的平台和多种数据模型的支持，可以更方便地进行数据的多模型数据库是一种在统一、综合的平台下同时支持多种不同的数据模型的数据库，数据模型可包括传统的关系模型和NoSQL数据模型（文档模型，键值模型，图模型），多模型数据库拥有一种或多种查询语言。传统的关系型数据库使用表格组织数据，通过进行查询和操作。然而，随着大数据和分布式计算的兴起，关系型数据库在某些场景下的性能和扩展性限。为了解决这些问题，NoSQL数据库应运而生，提供了更灵活、可扩展的数据模型和分布式架构。多模型数据库的出现可以认为是将关系型数据库和NoSQL数据库的优点集中起来，以应对不同的数据需求。它能够同时存储和管理多种数据模型，使得开发人员可以根具体的应用场景选择适合的数据模型。在

多种查询语言，能够灵活地适应不同的数据需求，并提供更好的数据一致性、可靠性和性能。在处理多样化数据的场景下，多模型数据库是一种值得考虑的解决方案。数据库来解决多样化的数据问题。这样可以极大地简化开发和维护过程，并提高系统的灵活性和性能。此外，多模型数据库还可以提供更好的数据一致性和可靠性。通过统一的平台和多种数据模型的支持，可以更方便地进行数据的多模型数据库是一种在统一、综合的平台下同时支持多种不同的数据模型的数据库，数据模型可包括传统的关系模型和NoSQL数据模型（文档模型，键值模型，图模型），多模型数据库拥有一种或多种查询语言。传统的关系型数据库使用表格组织数据，通过进行查询和操作。然而，随着大数据和分布式计算的兴起，关系型数据库在某些场景下的性能和扩展性限。为了解决这些问题，NoSQL数据库应运而生，提供了更灵活、可扩展的数据模型和分布式架构。多模型数据库的出现可以认为是将关系型数据库和NoSQL数据库的优点集中起来，以应对不同的数据需求。它能够同时存储和管理多种数据模型，使得开发人员可以根具体的应用场景选择适合的数据模型。在

多种查询语言，能够灵活地适应不同的数据需求，并提供更好的数据一致性、可靠性和性能。在处理多样化数据的场景下，多模型数据库是一种值得考虑的解决方案。数据库来解决多样化的数据问题。这样可以极大地简化开发和维护过程，并提高系统的灵活性和性能。此外，多模型数据库还可以提供更好的数据一致性和可靠性。通过统一的平台和多种数据模型的支持，可以更方便地进行数据的多模型数据库是一种在统一、综合的平台下同时支持多种不同的数据模型的数据库，数据模型可包括传统的关系模型和NoSQL数据模型（文档模型，键值模型，图模型），多模型数据库拥有一种或多种查询语言。传统的关系型数据库使用表格组织数据，通过进行查询和操作。然而，随着大数据和分布式计算的兴起，关系型数据库在某些场景下的性能和扩展性限。为了解决这些问题，NoSQL数据库应运而生，提供了更灵活、可扩展的数据模型和分布式架构。多模型数据库的出现可以认为是将关系型数据库和NoSQL数据库的优点集中起来，以应对不同的数据需求。它能够同时存储和管理多种数据模型，使得开发人员可以根具体的应用场景选择适合的数据模型。在

多种查询语言，能够灵活地适应不同的数据需求，并提供更好的数据一致性、可靠性和性能。在处理多样化数据的场景下，多模型数据库是一种值得考虑的解决方案。数据库来解决多样化的数据问题。这样可以极大地简化开发和维护过程，并提高系统的灵活性和性能。此外，多模型数据库还可以提供更好的数据一致性和可靠性。通过统一的平台和多种数据模型的支持，可以更方便地进行数据的多模型数据库是一种在统一、综合的平台下同时支持多种不同的数据模型的数据库，数据模型可包括传统的关系模型和NoSQL数据模型（文档模型，键值模型，图模型），多模型数据库拥有一种或多种查询语言。传统的关系型数据库使用表格组织数据，通过进行查询和操作。然而，随着大数据和分布式计算的兴起，关系型数据库在某些场景下的性能和扩展性限。为了解决这些问题，NoSQL数据库应运而生，提供了更灵活、可扩展的数据模型和分布式架构。多模型数据库的出现可以认为是将关系型数据库和NoSQL数据库的优点集中起来，以应对不同的数据需求。它能够同时存储和管理多种数据模型，使得开发人员可以根具体的应用场景选择适合的数据模型。在

多种查询语言，能够灵活地适应不同的数据需求，并提供更好的数据一致性、可靠性和性能。在处理多样化数据的场景下，多模型数据库是一种值得考虑的解决方案。数据库来解决多样化的数据问题。这样可以极大地简化开发和维护过程，并提高系统的灵活性和性能。此外，多模型数据库还可以提供更好的数据一致性和可靠性。通过统一的平台和多种数据模型的支持，可以更方便地进行数据的多模型数据库是一种在统一、综合的平台下同时支持多种不同的数据模型的数据库，数据模型可包括传统的关系模型和NoSQL数据模型（文档模型，键值模型，图模型），多模型数据库拥有一种或多种查询语言。传统的关系型数据库使用表格组织数据，通过进行查询和操作。然而，随着大数据和分布式计算的兴起，关系型数据库在某些场景下的性能和扩展性限。为了解决这些问题，NoSQL数据库应运而生，提供了更灵活、可扩展的数据模型和分布式架构。多模型数据库的出现可以认为是将关系型数据库和NoSQL数据库的优点集中起来，以应对不同的数据需求。它能够同时存储和管理多种数据模型，使得开发人员可以根具体的应用场景选择适合的数据模型。在

大模型解决方案通常指的是针对大规模数据处理和复杂模型训练的一系列技术和策略。以下是一些不同领域的大模型解决方案：企业知识管理解决方案知识整合与存储：利用大模型的文本处理能力，收集企业内部的各种文档，大模型可以根据成员的发言，实时提供相关的知识参考，促进知识的共享和创新。智能营销解决方案市场洞察与客户画像：大模型可以分析海量的市场数据，包括社交媒体数据、行业报告、消费者评论等，挖掘市场趋势、消费者，理解问题中的实体和关系，进行精准的知识匹配和推理，提供更具针对性的解决方案。知识更新与协同：当企业有新的知识产生，大模型可以协助将新知识融入现有的知识体系。支持团队成员之间的知识协作，如在项目讨论中格等，以提高营销效果和投资回报率。智能客服解决方案问题理解与解答：大模型能够准确理解客户咨询的问题，无论问题表述是否清晰。提供多种形式的解答，除了文字回答，还可以根据问题生成操作指南视频、音频讲解等、知识库以及外部的行业资讯等信息，对这些数据进行清洗、分类和结构化处理。大模型可以帮助建立知识关联，如发现不同文档之间关于同一产品特性或业务环节的关联内容，从而构建一个完整的企业知识网络。知识检索与问答

”、江苏省工业和信息化厅“江苏省信息技术应用创新优秀解决方案”、“证券基金行业信创中心创新合作伙伴”、“中国信创基础软件行业代表厂商图谱和最佳信创数据库厂商榜单”、“信创产业实干者企业”；荣登2023年度中国高科技高成长企业系列榜单——信创产业最佳服务商；成为政企信创促进中心首批成员单位等。资讯研究院《2022-2023年中国信创数据库行业市场研究报告》市场领导者；入选工信部网安中心“信息技术应用创新典型解决方案”（国家级）、上海市经济和信息化委员会“2023年上海市优秀信创解决方案名单多年的自主研发，星环科技积累了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，打造了分布式数据库（TDH&TDC）、分布式关系型数据库（ArgoDB&KunDB）、数据开发与智能分析工具（TDS&Sophon）、知识平台与领域大模型（TKH&无涯）的软件产品矩阵。经过传统关系型数据库Oracle、IBMDB2、Teradata，图数据库Neo4j，搜索引擎ElasticSearch等多家国外主流厂商产品。在生态方面，星环科技在信创生态的兼容度方面做了大量适配工作

大模型解决方案通常指的是针对大规模数据处理和复杂模型训练的一系列技术和策略。以下是一些不同领域的大模型解决方案：企业知识管理解决方案知识整合与存储：利用大模型的文本处理能力，收集企业内部的各种文档，大模型可以根据成员的发言，实时提供相关的知识参考，促进知识的共享和创新。智能营销解决方案市场洞察与客户画像：大模型可以分析海量的市场数据，包括社交媒体数据、行业报告、消费者评论等，挖掘市场趋势、消费者，理解问题中的实体和关系，进行精准的知识匹配和推理，提供更具针对性的解决方案。知识更新与协同：当企业有新的知识产生，大模型可以协助将新知识融入现有的知识体系。支持团队成员之间的知识协作，如在项目讨论中格等，以提高营销效果和投资回报率。智能客服解决方案问题理解与解答：大模型能够准确理解客户咨询的问题，无论问题表述是否清晰。提供多种形式的解答，除了文字回答，还可以根据问题生成操作指南视频、音频讲解等、知识库以及外部的行业资讯等信息，对这些数据进行清洗、分类和结构化处理。大模型可以帮助建立知识关联，如发现不同文档之间关于同一产品特性或业务环节的关联内容，从而构建一个完整的企业知识网络。知识检索与问答

大模型解决方案通常指的是针对大规模数据处理和复杂模型训练的一系列技术和策略。以下是一些不同领域的大模型解决方案：企业知识管理解决方案知识整合与存储：利用大模型的文本处理能力，收集企业内部的各种文档，大模型可以根据成员的发言，实时提供相关的知识参考，促进知识的共享和创新。智能营销解决方案市场洞察与客户画像：大模型可以分析海量的市场数据，包括社交媒体数据、行业报告、消费者评论等，挖掘市场趋势、消费者，理解问题中的实体和关系，进行精准的知识匹配和推理，提供更具针对性的解决方案。知识更新与协同：当企业有新的知识产生，大模型可以协助将新知识融入现有的知识体系。支持团队成员之间的知识协作，如在项目讨论中格等，以提高营销效果和投资回报率。智能客服解决方案问题理解与解答：大模型能够准确理解客户咨询的问题，无论问题表述是否清晰。提供多种形式的解答，除了文字回答，还可以根据问题生成操作指南视频、音频讲解等、知识库以及外部的行业资讯等信息，对这些数据进行清洗、分类和结构化处理。大模型可以帮助建立知识关联，如发现不同文档之间关于同一产品特性或业务环节的关联内容，从而构建一个完整的企业知识网络。知识检索与问答

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

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"}...

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...

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":...

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。...

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

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•...

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