多模型数据库金融行业案例

系统中进行改造升级。星环科技深耕金融科技领域多年，有着完善的产品、解决方案和丰富的落地经验，为金融领域数据管理分析提供多模型大数据平台、分布式olap数据库、人工智能平台、知识图谱平台、数据安全与流通平台数据库作为金融系统的核心基础设施，历经数十年发展，为金融行业经营战略转型升级提供了有力的技术支撑。在国家和行业政策指导下,金融机构积极探索我国数据库在实际业务中的创新应用并已经开始规模化在核心人工智能基础软件，围绕数据全生命周期提供基础软件与服务。经过多年自主研发，已形成大数据与云基础平台（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。、金融大模型等专业产品，助力金融客户实现国产化信创替代、数字化转型、智慧金融与数据安全流通。解决了金融领域数据存储成本高、数据整合困难、数据处理性能不足、分析拓展能力差、应用模型难以共享等问题。目前公司已有累计超300家金融行业客户，覆盖银行、券商、保险等多个细分领域。通过为企业搭建数字化转型的数字底座，星环科技持续为金融行业筑牢数字底座，助力金融科技不断发展。星环科技致力于打造企业级大数据和

图数据库具有处理大规模复杂关系数据的优势，因此在许多领域都有广泛的应用。下面介绍一个图数据库在金融行业的应用案例。案例背景中信证券股份有限公司于2021年启动国产图数据库项目。项目开展之前，中信证券数据操作、查询语言SQL、统一的数据计算引擎、统一的分布式存储管理系统及统一的资源管理框架，满足利用一个多模异构平台处理多种数据的需求。StellarDB图数据库构建在这个数据处理平台之上。其图存资源管理和权限管理等。随着国产图数据库越来越成熟，大型银行已广泛布局国产图数据库。中信证券基于星环科技分布式图数据库StellarDB和知识图谱平台Sophon知识图谱重构了企业图谱及相关应用，满足了，计算引擎能根据不同的存储引擎自动匹配高性能算法，无需用户手工干预，从而便捷地实现跨库关联，避免数据导入导出。在图数据库服务的顶层，还提供了丰富的接口，如Java、Python、RESTfulAPI等抽取调度任务。首日迁移时使用全量调度任务，平时按照增量调度。依托强大的组件技术，图谱管理系统拥有统一的集群运维管理,以及统一的资源隔离与权限管理。系统的底层为一个多模的数据处理平台，该平台可以提供统一的

图数据库具有处理大规模复杂关系数据的优势，因此在许多领域都有广泛的应用。下面介绍一个图数据库在金融行业的应用案例。案例背景中信证券股份有限公司于2021年启动国产图数据库项目。项目开展之前，中信证券数据操作、查询语言SQL、统一的数据计算引擎、统一的分布式存储管理系统及统一的资源管理框架，满足利用一个多模异构平台处理多种数据的需求。StellarDB图数据库构建在这个数据处理平台之上。其图存资源管理和权限管理等。随着国产图数据库越来越成熟，大型银行已广泛布局国产图数据库。中信证券基于星环科技分布式图数据库StellarDB和知识图谱平台Sophon知识图谱重构了企业图谱及相关应用，满足了，计算引擎能根据不同的存储引擎自动匹配高性能算法，无需用户手工干预，从而便捷地实现跨库关联，避免数据导入导出。在图数据库服务的顶层，还提供了丰富的接口，如Java、Python、RESTfulAPI等抽取调度任务。首日迁移时使用全量调度任务，平时按照增量调度。依托强大的组件技术，图谱管理系统拥有统一的集群运维管理,以及统一的资源隔离与权限管理。系统的底层为一个多模的数据处理平台，该平台可以提供统一的

系统中进行改造升级。星环科技深耕金融科技领域多年，有着完善的产品、解决方案和丰富的落地经验，为金融领域数据管理分析提供多模型大数据平台、分布式olap数据库、人工智能平台、知识图谱平台、数据安全与流通平台数据库作为金融系统的核心基础设施，历经数十年发展，为金融行业经营战略转型升级提供了有力的技术支撑。在国家和行业政策指导下,金融机构积极探索我国数据库在实际业务中的创新应用并已经开始规模化在核心人工智能基础软件，围绕数据全生命周期提供基础软件与服务。经过多年自主研发，已形成大数据与云基础平台（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。、金融大模型等专业产品，助力金融客户实现国产化信创替代、数字化转型、智慧金融与数据安全流通。解决了金融领域数据存储成本高、数据整合困难、数据处理性能不足、分析拓展能力差、应用模型难以共享等问题。目前公司已有累计超300家金融行业客户，覆盖银行、券商、保险等多个细分领域。通过为企业搭建数字化转型的数字底座，星环科技持续为金融行业筑牢数字底座，助力金融科技不断发展。星环科技致力于打造企业级大数据和

系统中进行改造升级。星环科技深耕金融科技领域多年，有着完善的产品、解决方案和丰富的落地经验，为金融领域数据管理分析提供多模型大数据平台、分布式olap数据库、人工智能平台、知识图谱平台、数据安全与流通平台数据库作为金融系统的核心基础设施，历经数十年发展，为金融行业经营战略转型升级提供了有力的技术支撑。在国家和行业政策指导下,金融机构积极探索我国数据库在实际业务中的创新应用并已经开始规模化在核心人工智能基础软件，围绕数据全生命周期提供基础软件与服务。经过多年自主研发，已形成大数据与云基础平台（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。、金融大模型等专业产品，助力金融客户实现国产化信创替代、数字化转型、智慧金融与数据安全流通。解决了金融领域数据存储成本高、数据整合困难、数据处理性能不足、分析拓展能力差、应用模型难以共享等问题。目前公司已有累计超300家金融行业客户，覆盖银行、券商、保险等多个细分领域。通过为企业搭建数字化转型的数字底座，星环科技持续为金融行业筑牢数字底座，助力金融科技不断发展。星环科技致力于打造企业级大数据和

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。在多模型数据库中，每个数据模型都有其专门的存储引擎和查询语言。例如，在支持文档模型的多模型数据库中，可以通过类似于MongoDB的查询语言来执行文档检索和更新操作。而在支持键值模型的数据库中，可以使用类似于Redis的命令来进行键值对的操作。多模型数据库的优势在于它能够灵活地适应不同的数据需求。由于不同的数据模型适用于不同的场景，开发人员可以根据具体的需求选择适合的数据模型，而无需通过整合不同的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。在多模型数据库中，每个数据模型都有其专门的存储引擎和查询语言。例如，在支持文档模型的多模型数据库中，可以通过类似于MongoDB的查询语言来执行文档检索和更新操作。而在支持键值模型的数据库中，可以使用类似于Redis的命令来进行键值对的操作。多模型数据库的优势在于它能够灵活地适应不同的数据需求。由于不同的数据模型适用于不同的场景，开发人员可以根据具体的需求选择适合的数据模型，而无需通过整合不同的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。在多模型数据库中，每个数据模型都有其专门的存储引擎和查询语言。例如，在支持文档模型的多模型数据库中，可以通过类似于MongoDB的查询语言来执行文档检索和更新操作。而在支持键值模型的数据库中，可以使用类似于Redis的命令来进行键值对的操作。多模型数据库的优势在于它能够灵活地适应不同的数据需求。由于不同的数据模型适用于不同的场景，开发人员可以根据具体的需求选择适合的数据模型，而无需通过整合不同的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。在多模型数据库中，每个数据模型都有其专门的存储引擎和查询语言。例如，在支持文档模型的多模型数据库中，可以通过类似于MongoDB的查询语言来执行文档检索和更新操作。而在支持键值模型的数据库中，可以使用类似于Redis的命令来进行键值对的操作。多模型数据库的优势在于它能够灵活地适应不同的数据需求。由于不同的数据模型适用于不同的场景，开发人员可以根据具体的需求选择适合的数据模型，而无需通过整合不同的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

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...

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...

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":...

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

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。

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

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：