国产数据库平台有哪些

可靠的国产数据库产品。同时KunDB适配支持国产服务器、芯片、操作系统等软硬件生态，助力企业打造自主可控数据平台。在近日的向星力•未来数据技术峰会上，KunDB正式发布3.2版本，高兼容、高可用、一体化等六大关键能力重大升级，为用户提供稳定可靠、经济实用、自主可控的国产化数据库产品。星环科技自主研发的分布式交易型数据库，具备高度兼容Oracle和MySQL、高可用、高性能、集中式与分布式一体化等特性，为企业核心业务系统提供完备的国产化数据库能力支撑。基于自研内存数据库引擎、能源、医疗、交通、教育等多个行业应用，为用户提供高性能、稳定可靠、经济实用的国产化数据库产品。KunDB以优异的成绩通过了工信部、央行、信通院等多项数据库权威测试认证，为用户提供高并发、高性能、高交易型数据库是专门用于支持大规模事务处理（OLTP）的数据库系统。它主要用于存储和管理各种类型的交易数据，如订单、支付、库存、客户等。星环分布式交易型数据库-TranswarpKunDBKunDB是，KunDB单机TPC-C达到188万tpmC，同时性能扩展比超90%，可实现Oralce和MySQL的国产化替代，满足企业关键业务处理、高并发查询、分布式改造、交易分析混合的数据中台等复杂场景，在金融、政务

可靠的国产数据库产品。同时KunDB适配支持国产服务器、芯片、操作系统等软硬件生态，助力企业打造自主可控数据平台。在近日的向星力•未来数据技术峰会上，KunDB正式发布3.2版本，高兼容、高可用、一体化等六大关键能力重大升级，为用户提供稳定可靠、经济实用、自主可控的国产化数据库产品。星环科技自主研发的分布式交易型数据库，具备高度兼容Oracle和MySQL、高可用、高性能、集中式与分布式一体化等特性，为企业核心业务系统提供完备的国产化数据库能力支撑。基于自研内存数据库引擎、能源、医疗、交通、教育等多个行业应用，为用户提供高性能、稳定可靠、经济实用的国产化数据库产品。KunDB以优异的成绩通过了工信部、央行、信通院等多项数据库权威测试认证，为用户提供高并发、高性能、高交易型数据库是专门用于支持大规模事务处理（OLTP）的数据库系统。它主要用于存储和管理各种类型的交易数据，如订单、支付、库存、客户等。星环分布式交易型数据库-TranswarpKunDBKunDB是，KunDB单机TPC-C达到188万tpmC，同时性能扩展比超90%，可实现Oralce和MySQL的国产化替代，满足企业关键业务处理、高并发查询、分布式改造、交易分析混合的数据中台等复杂场景，在金融、政务

国产分析型数据库有哪些？在当今数据驱动的时代，分析型数据库作为企业决策支持系统的核心组件，正发挥着越来越重要的作用。随着国内信息技术产业的快速发展，国产分析型数据库也迎来了蓬勃发展的时期，逐渐形成业务场景。第四类是云原生的分析型数据库服务。随着云计算普及，一些厂商推出了基于云平台的分析数据库服务，提供弹性扩展、按需付费等特性，减少了企业使用分析型数据库的门槛。国产分析型数据库的技术特点国产分析、政务决策、零售分析等领域都有广泛应用。国产分析型数据库的主要类型从技术架构来看，国产分析型数据库大致可以分为以下几类：第一类是基于MPP（大规模并行处理）架构的产品。这类数据库采用无共享架构，将数据复杂查询性能。在分布式架构方面，国产产品普遍注重高可用性和弹性扩展能力，支持在线扩容、多副本容灾等企业级特性。一些产品还实现了计算存储分离的架构，使资源调配更加灵活。在兼容性方面，许多国产分析型数据库支持标准SQL语法和常用数据库协议，减少了迁移和学习的成本。部分产品还提供了与主流BI工具和数据科学平台的对接能力。

国产分析型数据库有哪些？在当今数据驱动的时代，分析型数据库作为企业决策支持系统的核心组件，正发挥着越来越重要的作用。随着国内信息技术产业的快速发展，国产分析型数据库也迎来了蓬勃发展的时期，逐渐形成业务场景。第四类是云原生的分析型数据库服务。随着云计算普及，一些厂商推出了基于云平台的分析数据库服务，提供弹性扩展、按需付费等特性，减少了企业使用分析型数据库的门槛。国产分析型数据库的技术特点国产分析、政务决策、零售分析等领域都有广泛应用。国产分析型数据库的主要类型从技术架构来看，国产分析型数据库大致可以分为以下几类：第一类是基于MPP（大规模并行处理）架构的产品。这类数据库采用无共享架构，将数据复杂查询性能。在分布式架构方面，国产产品普遍注重高可用性和弹性扩展能力，支持在线扩容、多副本容灾等企业级特性。一些产品还实现了计算存储分离的架构，使资源调配更加灵活。在兼容性方面，许多国产分析型数据库支持标准SQL语法和常用数据库协议，减少了迁移和学习的成本。部分产品还提供了与主流BI工具和数据科学平台的对接能力。

国产分析型数据库有哪些？在当今数据驱动的时代，分析型数据库作为企业决策支持系统的核心组件，正发挥着越来越重要的作用。随着国内信息技术产业的快速发展，国产分析型数据库也迎来了蓬勃发展的时期，逐渐形成业务场景。第四类是云原生的分析型数据库服务。随着云计算普及，一些厂商推出了基于云平台的分析数据库服务，提供弹性扩展、按需付费等特性，减少了企业使用分析型数据库的门槛。国产分析型数据库的技术特点国产分析、政务决策、零售分析等领域都有广泛应用。国产分析型数据库的主要类型从技术架构来看，国产分析型数据库大致可以分为以下几类：第一类是基于MPP（大规模并行处理）架构的产品。这类数据库采用无共享架构，将数据复杂查询性能。在分布式架构方面，国产产品普遍注重高可用性和弹性扩展能力，支持在线扩容、多副本容灾等企业级特性。一些产品还实现了计算存储分离的架构，使资源调配更加灵活。在兼容性方面，许多国产分析型数据库支持标准SQL语法和常用数据库协议，减少了迁移和学习的成本。部分产品还提供了与主流BI工具和数据科学平台的对接能力。

商业和安全风险。星环科技国产化分布式时序数据库TimelyreTranswarpTimeLyre是星环科技的一款企业级分布式时序数据库，其支持分布式水平扩展，同时具有极高的压缩率可以支持海量时序数据的InfluxDB等国外开源时序数据库无法满足国内海量数据的存储分析和安全需求开源单机架构，存储和计算能力有限：InfluxDB是Influxdata的一款开源时序数据库，其采用单机部署，不支持分布式存储，提供高吞吐实时写入、时序精确查询、多维检索等功能，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。扩展性、性能、安全等方面领先国外开源时序数据库原生分布式架构，集群灵活扩展，轻松实现海量时序数据存储分析相比与开源时序数据库InfluxDB单机模式存储和计算能力受限，星环科技分布式时序数据库采用原生分布式架构，支持集群在线扩缩容，可满足海量时序数据存储和分析需求特性，理论上性能可以随着集群数据的扩展而线性提升。同时，Timelyre支持InfluxDB不支持的关联等复杂分析，性能接近分布式数据库。标准SQL支持，丰富的API支持，大幅降低学习和对接成本

分布式关系型数据库有哪些？星环科技在基础软件产品领域积累多年,在大数据平台TDH的研发过程中积累了大量的SOL、PL/SOL、数据库优化器、分布式事务等基础技术和专利,相关的技术优势可以在关系数据库企业核心业务数据库升级改造、核心分析系统建设、创新应用开发国产化替代等业务场景提供完备的能力支撑。TranswarpArgoDB-星环分布式数据库TranswarpArgoDB是星环科技自主研发的面向数据分析型业务场景的国产化分布式多模数据库,能够一站式替代Hadoop+MPP混合架构,提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力，一站式满足数据、IBMDB2、Teradata数据库对SQL语言的扩展，目前已在各行各业成功完成Oracle、DB2、Teradata等国外产品的国产化替代。2019年8月，ArgoDB成为全球第四个通过TPC-DS中再次落地,从而加速分布式数据库的研发效率。采用新一代的基于分布式计算的数据库技术,自主研发了分布式交易型数据库KunDB和分布式数据库ArgoDB。基于KunDB与ArgoDB的数据库解决方案,为

国产分析型数据库有哪些？在当今数据驱动的时代，分析型数据库作为企业决策支持系统的核心组件，正发挥着越来越重要的作用。随着国内信息技术产业的快速发展，国产分析型数据库也迎来了蓬勃发展的时期，逐渐形成业务场景。第四类是云原生的分析型数据库服务。随着云计算普及，一些厂商推出了基于云平台的分析数据库服务，提供弹性扩展、按需付费等特性，减少了企业使用分析型数据库的门槛。国产分析型数据库的技术特点国产分析、政务决策、零售分析等领域都有广泛应用。国产分析型数据库的主要类型从技术架构来看，国产分析型数据库大致可以分为以下几类：第一类是基于MPP（大规模并行处理）架构的产品。这类数据库采用无共享架构，将数据复杂查询性能。在分布式架构方面，国产产品普遍注重高可用性和弹性扩展能力，支持在线扩容、多副本容灾等企业级特性。一些产品还实现了计算存储分离的架构，使资源调配更加灵活。在兼容性方面，许多国产分析型数据库支持标准SQL语法和常用数据库协议，减少了迁移和学习的成本。部分产品还提供了与主流BI工具和数据科学平台的对接能力。

分布式关系型数据库有哪些？星环科技在基础软件产品领域积累多年,在大数据平台TDH的研发过程中积累了大量的SOL、PL/SOL、数据库优化器、分布式事务等基础技术和专利,相关的技术优势可以在关系数据库企业核心业务数据库升级改造、核心分析系统建设、创新应用开发国产化替代等业务场景提供完备的能力支撑。TranswarpArgoDB-星环分布式数据库TranswarpArgoDB是星环科技自主研发的面向数据分析型业务场景的国产化分布式多模数据库,能够一站式替代Hadoop+MPP混合架构,提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力，一站式满足数据、IBMDB2、Teradata数据库对SQL语言的扩展，目前已在各行各业成功完成Oracle、DB2、Teradata等国外产品的国产化替代。2019年8月，ArgoDB成为全球第四个通过TPC-DS中再次落地,从而加速分布式数据库的研发效率。采用新一代的基于分布式计算的数据库技术,自主研发了分布式交易型数据库KunDB和分布式数据库ArgoDB。基于KunDB与ArgoDB的数据库解决方案,为

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...

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

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

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。...

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":...

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。

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"}...

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