构建统一数据湖

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一仓库、数据湖中，实现了数据的集中管控。这种集中式的存储管理方式，不仅便于数据的统一维护和管理，降低了数据管理的成本和复杂性，还能够提高数据的安全性和可靠性。企业可以通过建立完善的数据备份、恢复和容灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。

统一数据分析是一类新的解决方案，它将数据处理与人工智能技术统一起来，使企业组织更容易实现人工智能，并加快其人工智能计划。统一数据分析使企业更容易在各种孤岛式数据存储系统中构建数据管道，并为模型构建准备标注数据集，从而使企业能够在现有数据上进行人工智能，并在海量数据集上迭代进行人工智能。统一数据分析还提供对广泛的人工智能算法集的访问，这些算法集可反复应用于这些标记数据集，以对模型进行微调。后，统一分析解决方案还为数据科学家和数据工程师提供了协作能力，使他们能够在从开发到生产的整个生命周期内有效地开展工作。能够成功大规模统一其领域数据并将数据与佳人工智能技术相结合的组织。

打破数据孤岛，搭建统一数据平台的全攻略统一数据平台：概念与内涵统一数据平台，从本质上来说，是一种能够将企业内外部各种来源、格式的数据进行整合，从而为企业提供全面、准确、一致的数据支持的综合性解决方案。它打破了数据之间的物理和逻辑隔阂，使得原本分散在各个角落的数据能够汇聚在一起，形成一个有机的整体。搭建统一数据平台的重大意义统一数据平台的搭建，对于企业的运营和发展具有不可估量的重大意义，它就像企业的“智慧大脑”，从多个维度为企业的前行保驾护航。在规范信息资源方面，统一数据平台发挥着关键作用。在辅助管理决策方面，统一数据平台为企业提供了强大的支持。它打破了数据孤岛，使企业能够获取全面、准确的数据。从避免重复建设的角度来看，统一数据平台为企业节省了大量的资源。在没有统一数据平台之前，企业的各个部门或业务单元为了满足自身的数据需求，往往会各自建设数据存储和处理系统。这不仅导致了硬件设备、软件系统等资源的重复投入，还造成了数据的冗余和不一致。搭建步骤全解析搭建统一数据平台是一项复杂而系统的工程，需要遵循科学的步骤和方法，以确保平台能够高效、稳定地运行，为企业提供准确、有价值的数据支持。数据采集

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。

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

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":...

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"}...

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•...