工业 时序数据库

时序数据库是一种专门用于存储和处理时间序列数据的数据库系统。时间序列数据是指按时间顺序排列的数据点，每个数据点都有一个时间戳和一个或多个测量值。时序数据库的特点高吞吐写入能力：时序数据通常以高频率生成，时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：采用数据压缩技术，以减少存储空间需求。低延迟查询能力：支持基于时间范围的快速查询和聚合操作，方便用户实时获取所需数据。时间戳索引：数据以时间戳为索引，支持高效的时间序列分析。数据不变性：时序数据通常是的，类似于日志数据，很少需要修改。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和设备状态分析。金融市场：用于存储和分析股票价格、交易量等数据，支持实时交易监控和风险分析。工业自动化：用于监控工业设备的状态和性能，支持故障诊断和生产流程优化。网络监控：用于存储和分析网络设备的性能指标数据，如带宽利用率、延迟等，支持实时监控和故障排查。能源管理：用于监控和分析能源消耗数据，支持能源需求预测和优化。

时序数据库是一种专门用于存储和处理时间序列数据的数据库系统。时间序列数据是指按时间顺序排列的数据点，每个数据点都有一个时间戳和一个或多个测量值。时序数据库的特点高吞吐写入能力：时序数据通常以高频率生成，时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：采用数据压缩技术，以减少存储空间需求。低延迟查询能力：支持基于时间范围的快速查询和聚合操作，方便用户实时获取所需数据。时间戳索引：数据以时间戳为索引，支持高效的时间序列分析。数据不变性：时序数据通常是的，类似于日志数据，很少需要修改。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和设备状态分析。金融市场：用于存储和分析股票价格、交易量等数据，支持实时交易监控和风险分析。工业自动化：用于监控工业设备的状态和性能，支持故障诊断和生产流程优化。网络监控：用于存储和分析网络设备的性能指标数据，如带宽利用率、延迟等，支持实时监控和故障排查。能源管理：用于监控和分析能源消耗数据，支持能源需求预测和优化。

时序数据库是一种专门用于存储、管理和处理时间序列数据的数据库管理系统。时序数据是随时间不断产生的一系列数据，通常带有时间戳。以下是对时序数据库的详细描述：定义时序数据库是优化用于摄取、处理和存储时间戳数据的数据库。它能够高效地处理随时间推移的数据摄取、压缩和聚合。功能高吞吐写入能力：时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：通过专门的压缩技术，时序数据库可以大幅减少存储空间。低延迟查询能力：支持基于时间范围的多维聚合查询，能够快速获取所需结果。支持多维数据分析和数据可视化：提供工具和组件，支持数据大屏、报表等多形式的可视化。高可扩展性：能够，支持实时数据分析和决策。工业自动化：用于实时监控工业设备的运行状态，支持故障诊断和生产优化。智慧城市：监控交通流量、空气质量等数据，为城市管理者提供决策依据。运维监控：存储和分析服务器、网络设备的监控数据，支持故障排查和性能优化。随着业务发展和设备数量的增加进行扩展。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和故障预测。金融市场：存储和处理金融市场数据，如股票价格、交易量等

时序数据库是一种专门用于存储、管理和处理时间序列数据的数据库管理系统。时序数据是随时间不断产生的一系列数据，通常带有时间戳。以下是对时序数据库的详细描述：定义时序数据库是优化用于摄取、处理和存储时间戳数据的数据库。它能够高效地处理随时间推移的数据摄取、压缩和聚合。功能高吞吐写入能力：时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：通过专门的压缩技术，时序数据库可以大幅减少存储空间。低延迟查询能力：支持基于时间范围的多维聚合查询，能够快速获取所需结果。支持多维数据分析和数据可视化：提供工具和组件，支持数据大屏、报表等多形式的可视化。高可扩展性：能够，支持实时数据分析和决策。工业自动化：用于实时监控工业设备的运行状态，支持故障诊断和生产优化。智慧城市：监控交通流量、空气质量等数据，为城市管理者提供决策依据。运维监控：存储和分析服务器、网络设备的监控数据，支持故障排查和性能优化。随着业务发展和设备数量的增加进行扩展。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和故障预测。金融市场：存储和处理金融市场数据，如股票价格、交易量等

时序数据库是一种专门用于存储、管理和处理时间序列数据的数据库管理系统。时序数据是随时间不断产生的一系列数据，通常带有时间戳。以下是对时序数据库的详细描述：定义时序数据库是优化用于摄取、处理和存储时间戳数据的数据库。它能够高效地处理随时间推移的数据摄取、压缩和聚合。功能高吞吐写入能力：时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：通过专门的压缩技术，时序数据库可以大幅减少存储空间。低延迟查询能力：支持基于时间范围的多维聚合查询，能够快速获取所需结果。支持多维数据分析和数据可视化：提供工具和组件，支持数据大屏、报表等多形式的可视化。高可扩展性：能够，支持实时数据分析和决策。工业自动化：用于实时监控工业设备的运行状态，支持故障诊断和生产优化。智慧城市：监控交通流量、空气质量等数据，为城市管理者提供决策依据。运维监控：存储和分析服务器、网络设备的监控数据，支持故障排查和性能优化。随着业务发展和设备数量的增加进行扩展。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和故障预测。金融市场：存储和处理金融市场数据，如股票价格、交易量等

嵌入式时序数据库是一种专门为嵌入式系统设计，用于高效处理和存储时序数据的数据库系统，以下是具体介绍：特点高实时性：能够快速地对实时产生的时序数据进行写入、查询和分析操作，以满足嵌入式系统对时间敏感的设备的可靠性。物联网设备：在智能家居、智能城市等物联网应用中，大量的传感器设备会产生持续的时序数据，如环境监测中的温湿度、空气质量数据，智能电表的电量使用数据等。嵌入式时序数据库可以有效地存储和管理这些数据，实现对物联网设备的远程监控和数据分析。汽车电子系统：在汽车的自动驾驶、发动机监控、车身控制系统等方面，需要处理大量的实时时序数据，如车速、发动机转速、刹车信号等。嵌入式时序数据库能够快速存储和分析这些数据，为汽车的安全行驶和智能化控制提供支持。航空航天领域：在飞机、卫星等航空航天设备中，需要对各种传感器数据和飞行参数进行实时监测和记录，嵌入式时序数据库可以确保在有限的资源条件下，高效地存储和管理这些关键的时序数据，为飞行安全和任务执行提供保障。特定领域的个性化要求。应用场景工业自动化领域：用于监控生产线上的设备运行状态，实时采集传感器数据，如温度、压力、振动等，通过对这些时序数据的分析，实现设备故障的预测和诊断，及时进行维护，提高生产效率和

嵌入式时序数据库是一种专门为嵌入式系统设计，用于高效处理和存储时序数据的数据库系统，以下是具体介绍：特点高实时性：能够快速地对实时产生的时序数据进行写入、查询和分析操作，以满足嵌入式系统对时间敏感的设备的可靠性。物联网设备：在智能家居、智能城市等物联网应用中，大量的传感器设备会产生持续的时序数据，如环境监测中的温湿度、空气质量数据，智能电表的电量使用数据等。嵌入式时序数据库可以有效地存储和管理这些数据，实现对物联网设备的远程监控和数据分析。汽车电子系统：在汽车的自动驾驶、发动机监控、车身控制系统等方面，需要处理大量的实时时序数据，如车速、发动机转速、刹车信号等。嵌入式时序数据库能够快速存储和分析这些数据，为汽车的安全行驶和智能化控制提供支持。航空航天领域：在飞机、卫星等航空航天设备中，需要对各种传感器数据和飞行参数进行实时监测和记录，嵌入式时序数据库可以确保在有限的资源条件下，高效地存储和管理这些关键的时序数据，为飞行安全和任务执行提供保障。特定领域的个性化要求。应用场景工业自动化领域：用于监控生产线上的设备运行状态，实时采集传感器数据，如温度、压力、振动等，通过对这些时序数据的分析，实现设备故障的预测和诊断，及时进行维护，提高生产效率和

时序数据库是一种专门用于存储和处理时间序列数据的数据库系统。时间序列数据是指按时间顺序排列的数据点，每个数据点都有一个时间戳和一个或多个测量值。时序数据库的特点高吞吐写入能力：时序数据通常以高频率生成，时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：采用数据压缩技术，以减少存储空间需求。低延迟查询能力：支持基于时间范围的快速查询和聚合操作，方便用户实时获取所需数据。时间戳索引：数据以时间戳为索引，支持高效的时间序列分析。数据不变性：时序数据通常是的，类似于日志数据，很少需要修改。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和设备状态分析。金融市场：用于存储和分析股票价格、交易量等数据，支持实时交易监控和风险分析。工业自动化：用于监控工业设备的状态和性能，支持故障诊断和生产流程优化。网络监控：用于存储和分析网络设备的性能指标数据，如带宽利用率、延迟等，支持实时监控和故障排查。能源管理：用于监控和分析能源消耗数据，支持能源需求预测和优化。

时序数据库是一种专门用于存储和处理时间序列数据的数据库系统。时间序列数据是指按时间顺序排列的数据点，每个数据点都有一个时间戳和一个或多个测量值。时序数据库的特点高吞吐写入能力：时序数据通常以高频率生成，时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：采用数据压缩技术，以减少存储空间需求。低延迟查询能力：支持基于时间范围的快速查询和聚合操作，方便用户实时获取所需数据。时间戳索引：数据以时间戳为索引，支持高效的时间序列分析。数据不变性：时序数据通常是的，类似于日志数据，很少需要修改。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和设备状态分析。金融市场：用于存储和分析股票价格、交易量等数据，支持实时交易监控和风险分析。工业自动化：用于监控工业设备的状态和性能，支持故障诊断和生产流程优化。网络监控：用于存储和分析网络设备的性能指标数据，如带宽利用率、延迟等，支持实时监控和故障排查。能源管理：用于监控和分析能源消耗数据，支持能源需求预测和优化。

时序数据库是一种专门用于存储、管理和处理时间序列数据的数据库管理系统。时序数据是随时间不断产生的一系列数据，通常带有时间戳。以下是对时序数据库的详细描述：定义时序数据库是优化用于摄取、处理和存储时间戳数据的数据库。它能够高效地处理随时间推移的数据摄取、压缩和聚合。功能高吞吐写入能力：时序数据库通过优化数据结构和存储机制，能够在高并发的情况下保持高效的写入性能。高压缩存储能力：通过专门的压缩技术，时序数据库可以大幅减少存储空间。低延迟查询能力：支持基于时间范围的多维聚合查询，能够快速获取所需结果。支持多维数据分析和数据可视化：提供工具和组件，支持数据大屏、报表等多形式的可视化。高可扩展性：能够，支持实时数据分析和决策。工业自动化：用于实时监控工业设备的运行状态，支持故障诊断和生产优化。智慧城市：监控交通流量、空气质量等数据，为城市管理者提供决策依据。运维监控：存储和分析服务器、网络设备的监控数据，支持故障排查和性能优化。随着业务发展和设备数量的增加进行扩展。应用场景物联网（IoT）：用于存储和分析大量的传感器数据，如温度、湿度、压力等，支持实时监控和故障预测。金融市场：存储和处理金融市场数据，如股票价格、交易量等

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...

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"}...

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...

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：

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":...

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•...

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