构建企业级实时湖仓一体

用于实时监控业务指标、实时数据分析、实时数据看板等场景。湖仓一体是什么？湖仓一体是一种新型的数据架构，它结合了数据仓库和数据湖的优点。在湖仓一体架构中，数据仓库的高性能和管理能力与数据湖的灵活性和可扩展性相互融合。这种架构支持多种数据类型并存，并且可以通过统一的接口进行访问。湖仓一体为企业进行数据治理提供了更多的便利性和灵活性。星环科技湖仓一体解决方案星环科技湖仓集一体架构，打破数据湖、数据仓库、数据集市的边界，基于湖仓集一体平台，所有人都可以访问实时的数据、历史的数据、原始的数据、加工过的数据，如业务分析师可以直接访问原始的数据，数据工程师可以更高效地建模，数据科学家可以横跨不同的数据源进行一体具有支持四种事务隔离级别，支持小文件灵活自动合并、实时数据快速读写、无需流转，湖仓集一体化存储等优势，帮助用户降低开发运维成本，提高开发分析效率，提升数据处理分析性能。挖掘和分析。实时数仓是什么？实时数仓是一种特殊的数据仓库，它主要用于存储和管理实时数据。实时数仓的优点在于能够快速处理和存储实时数据，提供实时分析和查询功能，并且能够及时地更新数据。实时数仓通常

用于实时监控业务指标、实时数据分析、实时数据看板等场景。湖仓一体是什么？湖仓一体是一种新型的数据架构，它结合了数据仓库和数据湖的优点。在湖仓一体架构中，数据仓库的高性能和管理能力与数据湖的灵活性和可扩展性相互融合。这种架构支持多种数据类型并存，并且可以通过统一的接口进行访问。湖仓一体为企业进行数据治理提供了更多的便利性和灵活性。星环科技湖仓一体解决方案星环科技湖仓集一体架构，打破数据湖、数据仓库、数据集市的边界，基于湖仓集一体平台，所有人都可以访问实时的数据、历史的数据、原始的数据、加工过的数据，如业务分析师可以直接访问原始的数据，数据工程师可以更高效地建模，数据科学家可以横跨不同的数据源进行一体具有支持四种事务隔离级别，支持小文件灵活自动合并、实时数据快速读写、无需流转，湖仓集一体化存储等优势，帮助用户降低开发运维成本，提高开发分析效率，提升数据处理分析性能。挖掘和分析。实时数仓是什么？实时数仓是一种特殊的数据仓库，它主要用于存储和管理实时数据。实时数仓的优点在于能够快速处理和存储实时数据，提供实时分析和查询功能，并且能够及时地更新数据。实时数仓通常

用于实时监控业务指标、实时数据分析、实时数据看板等场景。湖仓一体是什么？湖仓一体是一种新型的数据架构，它结合了数据仓库和数据湖的优点。在湖仓一体架构中，数据仓库的高性能和管理能力与数据湖的灵活性和可扩展性相互融合。这种架构支持多种数据类型并存，并且可以通过统一的接口进行访问。湖仓一体为企业进行数据治理提供了更多的便利性和灵活性。星环科技湖仓一体解决方案星环科技湖仓集一体架构，打破数据湖、数据仓库、数据集市的边界，基于湖仓集一体平台，所有人都可以访问实时的数据、历史的数据、原始的数据、加工过的数据，如业务分析师可以直接访问原始的数据，数据工程师可以更高效地建模，数据科学家可以横跨不同的数据源进行一体具有支持四种事务隔离级别，支持小文件灵活自动合并、实时数据快速读写、无需流转，湖仓集一体化存储等优势，帮助用户降低开发运维成本，提高开发分析效率，提升数据处理分析性能。挖掘和分析。实时数仓是什么？实时数仓是一种特殊的数据仓库，它主要用于存储和管理实时数据。实时数仓的优点在于能够快速处理和存储实时数据，提供实时分析和查询功能，并且能够及时地更新数据。实时数仓通常

用于实时监控业务指标、实时数据分析、实时数据看板等场景。湖仓一体是什么？湖仓一体是一种新型的数据架构，它结合了数据仓库和数据湖的优点。在湖仓一体架构中，数据仓库的高性能和管理能力与数据湖的灵活性和可扩展性相互融合。这种架构支持多种数据类型并存，并且可以通过统一的接口进行访问。湖仓一体为企业进行数据治理提供了更多的便利性和灵活性。星环科技湖仓一体解决方案星环科技湖仓集一体架构，打破数据湖、数据仓库、数据集市的边界，基于湖仓集一体平台，所有人都可以访问实时的数据、历史的数据、原始的数据、加工过的数据，如业务分析师可以直接访问原始的数据，数据工程师可以更高效地建模，数据科学家可以横跨不同的数据源进行一体具有支持四种事务隔离级别，支持小文件灵活自动合并、实时数据快速读写、无需流转，湖仓集一体化存储等优势，帮助用户降低开发运维成本，提高开发分析效率，提升数据处理分析性能。挖掘和分析。实时数仓是什么？实时数仓是一种特殊的数据仓库，它主要用于存储和管理实时数据。实时数仓的优点在于能够快速处理和存储实时数据，提供实时分析和查询功能，并且能够及时地更新数据。实时数仓通常

用于实时监控业务指标、实时数据分析、实时数据看板等场景。湖仓一体是什么？湖仓一体是一种新型的数据架构，它结合了数据仓库和数据湖的优点。在湖仓一体架构中，数据仓库的高性能和管理能力与数据湖的灵活性和可扩展性相互融合。这种架构支持多种数据类型并存，并且可以通过统一的接口进行访问。湖仓一体为企业进行数据治理提供了更多的便利性和灵活性。星环科技湖仓一体解决方案星环科技湖仓集一体架构，打破数据湖、数据仓库、数据集市的边界，基于湖仓集一体平台，所有人都可以访问实时的数据、历史的数据、原始的数据、加工过的数据，如业务分析师可以直接访问原始的数据，数据工程师可以更高效地建模，数据科学家可以横跨不同的数据源进行一体具有支持四种事务隔离级别，支持小文件灵活自动合并、实时数据快速读写、无需流转，湖仓集一体化存储等优势，帮助用户降低开发运维成本，提高开发分析效率，提升数据处理分析性能。挖掘和分析。实时数仓是什么？实时数仓是一种特殊的数据仓库，它主要用于存储和管理实时数据。实时数仓的优点在于能够快速处理和存储实时数据，提供实时分析和查询功能，并且能够及时地更新数据。实时数仓通常

用于实时监控业务指标、实时数据分析、实时数据看板等场景。湖仓一体是什么？湖仓一体是一种新型的数据架构，它结合了数据仓库和数据湖的优点。在湖仓一体架构中，数据仓库的高性能和管理能力与数据湖的灵活性和可扩展性相互融合。这种架构支持多种数据类型并存，并且可以通过统一的接口进行访问。湖仓一体为企业进行数据治理提供了更多的便利性和灵活性。星环科技湖仓一体解决方案星环科技湖仓集一体架构，打破数据湖、数据仓库、数据集市的边界，基于湖仓集一体平台，所有人都可以访问实时的数据、历史的数据、原始的数据、加工过的数据，如业务分析师可以直接访问原始的数据，数据工程师可以更高效地建模，数据科学家可以横跨不同的数据源进行一体具有支持四种事务隔离级别，支持小文件灵活自动合并、实时数据快速读写、无需流转，湖仓集一体化存储等优势，帮助用户降低开发运维成本，提高开发分析效率，提升数据处理分析性能。挖掘和分析。实时数仓是什么？实时数仓是一种特殊的数据仓库，它主要用于存储和管理实时数据。实时数仓的优点在于能够快速处理和存储实时数据，提供实时分析和查询功能，并且能够及时地更新数据。实时数仓通常

构建湖仓一体架构涉及多个步骤和技术选择，以下是构建湖仓一体架构的主要步骤和方法：数据源的准备：确定数据源，包括关系型数据库、非关系型数据库、文件系统等，并进行分类和整理，以确保可以顺利地获取数据源仓一体架构由存储层和计算层组成，计算层的数据来源于存储层。存储层包括云存储、开放的文件格式和开放的表格式。元数据管理：实现异构数据的统一元数据管理，支持全链路血缘分析，一键式分析技术、业务、操作元数据复杂性和成本开销。技术路线选择：选择技术路线，包括基于Hadoop体系的数据湖向数据仓库能力扩展、基于自身云平台进行架构构建、独立数据库厂商推动的路径。湖上建仓：在数据湖基础上实现数仓的功能，代替传统数仓格式。数据分析与可视化：利用BI工具直接在源数据上进行分析，无需复制和移动数据，提高分析效率并降低数据延时。监控与维护：实施监控和维护机制，确保数据的一致性和正确性，以及系统的稳定运行。技术架构设计：湖分离：实现存储和计算的完全分离，利用Serverless弹性算力技术，提供秒级扩缩容的能力。BI支持与成本优势：直接在源数据上使用BI工具进行分析，避免了在数据湖和数据仓库中分别操作两个数据副本的

构建湖仓一体架构涉及多个步骤和技术选择，以下是构建湖仓一体架构的主要步骤和方法：数据源的准备：确定数据源，包括关系型数据库、非关系型数据库、文件系统等，并进行分类和整理，以确保可以顺利地获取数据源仓一体架构由存储层和计算层组成，计算层的数据来源于存储层。存储层包括云存储、开放的文件格式和开放的表格式。元数据管理：实现异构数据的统一元数据管理，支持全链路血缘分析，一键式分析技术、业务、操作元数据复杂性和成本开销。技术路线选择：选择技术路线，包括基于Hadoop体系的数据湖向数据仓库能力扩展、基于自身云平台进行架构构建、独立数据库厂商推动的路径。湖上建仓：在数据湖基础上实现数仓的功能，代替传统数仓格式。数据分析与可视化：利用BI工具直接在源数据上进行分析，无需复制和移动数据，提高分析效率并降低数据延时。监控与维护：实施监控和维护机制，确保数据的一致性和正确性，以及系统的稳定运行。技术架构设计：湖分离：实现存储和计算的完全分离，利用Serverless弹性算力技术，提供秒级扩缩容的能力。BI支持与成本优势：直接在源数据上使用BI工具进行分析，避免了在数据湖和数据仓库中分别操作两个数据副本的

构建湖仓一体架构涉及多个步骤和技术选择，以下是构建湖仓一体架构的主要步骤和方法：数据源的准备：确定数据源，包括关系型数据库、非关系型数据库、文件系统等，并进行分类和整理，以确保可以顺利地获取数据源仓一体架构由存储层和计算层组成，计算层的数据来源于存储层。存储层包括云存储、开放的文件格式和开放的表格式。元数据管理：实现异构数据的统一元数据管理，支持全链路血缘分析，一键式分析技术、业务、操作元数据复杂性和成本开销。技术路线选择：选择技术路线，包括基于Hadoop体系的数据湖向数据仓库能力扩展、基于自身云平台进行架构构建、独立数据库厂商推动的路径。湖上建仓：在数据湖基础上实现数仓的功能，代替传统数仓格式。数据分析与可视化：利用BI工具直接在源数据上进行分析，无需复制和移动数据，提高分析效率并降低数据延时。监控与维护：实施监控和维护机制，确保数据的一致性和正确性，以及系统的稳定运行。技术架构设计：湖分离：实现存储和计算的完全分离，利用Serverless弹性算力技术，提供秒级扩缩容的能力。BI支持与成本优势：直接在源数据上使用BI工具进行分析，避免了在数据湖和数据仓库中分别操作两个数据副本的

构建湖仓一体架构涉及多个步骤和技术选择，以下是构建湖仓一体架构的主要步骤和方法：数据源的准备：确定数据源，包括关系型数据库、非关系型数据库、文件系统等，并进行分类和整理，以确保可以顺利地获取数据源仓一体架构由存储层和计算层组成，计算层的数据来源于存储层。存储层包括云存储、开放的文件格式和开放的表格式。元数据管理：实现异构数据的统一元数据管理，支持全链路血缘分析，一键式分析技术、业务、操作元数据复杂性和成本开销。技术路线选择：选择技术路线，包括基于Hadoop体系的数据湖向数据仓库能力扩展、基于自身云平台进行架构构建、独立数据库厂商推动的路径。湖上建仓：在数据湖基础上实现数仓的功能，代替传统数仓格式。数据分析与可视化：利用BI工具直接在源数据上进行分析，无需复制和移动数据，提高分析效率并降低数据延时。监控与维护：实施监控和维护机制，确保数据的一致性和正确性，以及系统的稳定运行。技术架构设计：湖分离：实现存储和计算的完全分离，利用Serverless弹性算力技术，提供秒级扩缩容的能力。BI支持与成本优势：直接在源数据上使用BI工具进行分析，避免了在数据湖和数据仓库中分别操作两个数据副本的

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。...

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

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

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•...

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：

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...

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"}...