向量数据库选型

中国首个《向量数据库技术要求》标准正式实施，为向量数据库的研发、测试和选型提供了重要的参考依据，推动中国人工智能产业的持续发展。在人工智能时代，向量数据作为基础数据形式，记录了事物的多个维度特征包含了基本功能、运维管理、安全性、兼容性、扩展性、高可用性以及工具生态7大能力域共47个测试项，被分为27个必选项和20个可选项。这将为向量数据库的研发、测试和选型提供重要的参考依据。这一标准的实施将进一步推动中国人工智能产业的高质量发展，促进向量数据库技术的进步和应用普及。。向量数据库借助向量索引等技术，能够通过模糊匹配进行近似查找，从而以快速度找到符合需求的数据，极大地提高了人工智能系统的数据检索和处理效率。今年以来，随着人工智能大模型的爆发式发展，行业对向量数据库的需求也进一步增加，使得向量数据库的关注度持续上升。然而，长期以来，向量数据库在技术架构、查询语言、使用成本等方面缺乏行业共识，亟待解决一些关键问题。为了推动行业形成对向量数据库基础能力的基本共识，推动向量数据库技术产业发展和规模化应用，中国信通院云计算与大数据研究所依托中国通信标准化协会大数据技术标准推进委员会和信通院数据库应用创新实验室，联合50多家企业专家共同编制了《向量数据库技术要求》。该标准

中国首个《向量数据库技术要求》标准正式实施，为向量数据库的研发、测试和选型提供了重要的参考依据，推动中国人工智能产业的持续发展。在人工智能时代，向量数据作为基础数据形式，记录了事物的多个维度特征包含了基本功能、运维管理、安全性、兼容性、扩展性、高可用性以及工具生态7大能力域共47个测试项，被分为27个必选项和20个可选项。这将为向量数据库的研发、测试和选型提供重要的参考依据。这一标准的实施将进一步推动中国人工智能产业的高质量发展，促进向量数据库技术的进步和应用普及。。向量数据库借助向量索引等技术，能够通过模糊匹配进行近似查找，从而以快速度找到符合需求的数据，极大地提高了人工智能系统的数据检索和处理效率。今年以来，随着人工智能大模型的爆发式发展，行业对向量数据库的需求也进一步增加，使得向量数据库的关注度持续上升。然而，长期以来，向量数据库在技术架构、查询语言、使用成本等方面缺乏行业共识，亟待解决一些关键问题。为了推动行业形成对向量数据库基础能力的基本共识，推动向量数据库技术产业发展和规模化应用，中国信通院云计算与大数据研究所依托中国通信标准化协会大数据技术标准推进委员会和信通院数据库应用创新实验室，联合50多家企业专家共同编制了《向量数据库技术要求》。该标准

中国首个《向量数据库技术要求》标准正式实施，为向量数据库的研发、测试和选型提供了重要的参考依据，推动中国人工智能产业的持续发展。在人工智能时代，向量数据作为基础数据形式，记录了事物的多个维度特征包含了基本功能、运维管理、安全性、兼容性、扩展性、高可用性以及工具生态7大能力域共47个测试项，被分为27个必选项和20个可选项。这将为向量数据库的研发、测试和选型提供重要的参考依据。这一标准的实施将进一步推动中国人工智能产业的高质量发展，促进向量数据库技术的进步和应用普及。。向量数据库借助向量索引等技术，能够通过模糊匹配进行近似查找，从而以快速度找到符合需求的数据，极大地提高了人工智能系统的数据检索和处理效率。今年以来，随着人工智能大模型的爆发式发展，行业对向量数据库的需求也进一步增加，使得向量数据库的关注度持续上升。然而，长期以来，向量数据库在技术架构、查询语言、使用成本等方面缺乏行业共识，亟待解决一些关键问题。为了推动行业形成对向量数据库基础能力的基本共识，推动向量数据库技术产业发展和规模化应用，中国信通院云计算与大数据研究所依托中国通信标准化协会大数据技术标准推进委员会和信通院数据库应用创新实验室，联合50多家企业专家共同编制了《向量数据库技术要求》。该标准

一文读懂向量数据库：原理、索引技术与选型向量数据库的基本原理向量数据库是一种专门用于存储、检索和分析向量数据的数据库系统。与传统数据库处理结构化数据不同，向量数据库的核心能力在于快速处理高维向量数据。基于量化的索引通过压缩技术减少存储空间和计算开销。它将原始向量空间划分为多个子空间，并用少量代表性向量（质心）来近似表示原始向量。这种方法特别适合超大规模向量数据集。选型考量因素选择适合的向量数据库。这种数据库通过数学方法计算向量之间的相似度，使得"相似性搜索"成为可能。向量数据库的工作原理可以概括为三个步骤：向量化、索引构建和相似性搜索。首先，原始数据（如文本、图像、音频等）通过嵌入模型转换为向量表示，这个过程称为向量化。然后，数据库对这些向量建立专门的索引结构，以加速后续查询。当用户提交查询时，系统将查询内容同样转化为向量，并通过索引快速找到相似的存储向量。核心索引技术解析向量数据库的更好性能。生态系统集成同样重要。评估数据库是否支持常用编程语言接口，能否与现有机器学习框架无缝协作，以及是否提供必要的监控和管理工具。成本因素也不可忽视。包括硬件资源消耗、授权费用和维护成本等。开源解决方案可能减少初期投入，但需要考虑长期维护成本。

一文读懂向量数据库：原理、索引技术与选型向量数据库的基本原理向量数据库是一种专门用于存储、检索和分析向量数据的数据库系统。与传统数据库处理结构化数据不同，向量数据库的核心能力在于快速处理高维向量数据。基于量化的索引通过压缩技术减少存储空间和计算开销。它将原始向量空间划分为多个子空间，并用少量代表性向量（质心）来近似表示原始向量。这种方法特别适合超大规模向量数据集。选型考量因素选择适合的向量数据库。这种数据库通过数学方法计算向量之间的相似度，使得"相似性搜索"成为可能。向量数据库的工作原理可以概括为三个步骤：向量化、索引构建和相似性搜索。首先，原始数据（如文本、图像、音频等）通过嵌入模型转换为向量表示，这个过程称为向量化。然后，数据库对这些向量建立专门的索引结构，以加速后续查询。当用户提交查询时，系统将查询内容同样转化为向量，并通过索引快速找到相似的存储向量。核心索引技术解析向量数据库的更好性能。生态系统集成同样重要。评估数据库是否支持常用编程语言接口，能否与现有机器学习框架无缝协作，以及是否提供必要的监控和管理工具。成本因素也不可忽视。包括硬件资源消耗、授权费用和维护成本等。开源解决方案可能减少初期投入，但需要考虑长期维护成本。

国产化数据库选型需要综合多方面因素进行考量，以下是一些常见的国产数据库及选型要点：选型考量因素技术层面架构特性：根据业务场景选择集中式或分布式架构。集中式数据库适合一致性与稳定性要求高、复杂SQL查询快的场景；分布式数据库则适用于海量数据弹性扩展业务与海量数据的OLAP业务。性能容量：关注数据库的TPCC数据等基准性能，还要针对生产环境典型应用场景进行压力测试，同时考虑数据库架构能否支撑原有数据库的容量。高可用与可靠：了解不同数据库保证数据一致性和高可用的实现原理，如物理日志记录传输、逻辑日志、分布式协议等方式，以及各自在同步效率、延迟和适用场景上的差异。兼容性：包括与现有系统、应用程序、SQL语法以及数据格式等的兼容性，确保替换后业务能正常运行。产品层面内核研发团队：强大的研发团队是数据库持续优化、升级和提供技术支持的保障，可关注团队的技术实力、研发经验和创新能力。金融级案例：有金融级应用案例的数据库，通常在稳定性、安全性和性能方面经过了更严格的考验，能更好地满足企业关键业务需求。生态层面开源社区：活跃的开源社区意味着丰富的技术资源、快速的问题解决和持续的功能迭代，可降低使用和维护

国产化数据库选型需要综合多方面因素进行考量，以下是一些常见的国产数据库及选型要点：选型考量因素技术层面架构特性：根据业务场景选择集中式或分布式架构。集中式数据库适合一致性与稳定性要求高、复杂SQL查询快的场景；分布式数据库则适用于海量数据弹性扩展业务与海量数据的OLAP业务。性能容量：关注数据库的TPCC数据等基准性能，还要针对生产环境典型应用场景进行压力测试，同时考虑数据库架构能否支撑原有数据库的容量。高可用与可靠：了解不同数据库保证数据一致性和高可用的实现原理，如物理日志记录传输、逻辑日志、分布式协议等方式，以及各自在同步效率、延迟和适用场景上的差异。兼容性：包括与现有系统、应用程序、SQL语法以及数据格式等的兼容性，确保替换后业务能正常运行。产品层面内核研发团队：强大的研发团队是数据库持续优化、升级和提供技术支持的保障，可关注团队的技术实力、研发经验和创新能力。金融级案例：有金融级应用案例的数据库，通常在稳定性、安全性和性能方面经过了更严格的考验，能更好地满足企业关键业务需求。生态层面开源社区：活跃的开源社区意味着丰富的技术资源、快速的问题解决和持续的功能迭代，可降低使用和维护

国产化数据库选型需要综合多方面因素进行考量，以下是一些常见的国产数据库及选型要点：选型考量因素技术层面架构特性：根据业务场景选择集中式或分布式架构。集中式数据库适合一致性与稳定性要求高、复杂SQL查询快的场景；分布式数据库则适用于海量数据弹性扩展业务与海量数据的OLAP业务。性能容量：关注数据库的TPCC数据等基准性能，还要针对生产环境典型应用场景进行压力测试，同时考虑数据库架构能否支撑原有数据库的容量。高可用与可靠：了解不同数据库保证数据一致性和高可用的实现原理，如物理日志记录传输、逻辑日志、分布式协议等方式，以及各自在同步效率、延迟和适用场景上的差异。兼容性：包括与现有系统、应用程序、SQL语法以及数据格式等的兼容性，确保替换后业务能正常运行。产品层面内核研发团队：强大的研发团队是数据库持续优化、升级和提供技术支持的保障，可关注团队的技术实力、研发经验和创新能力。金融级案例：有金融级应用案例的数据库，通常在稳定性、安全性和性能方面经过了更严格的考验，能更好地满足企业关键业务需求。生态层面开源社区：活跃的开源社区意味着丰富的技术资源、快速的问题解决和持续的功能迭代，可降低使用和维护

国产化数据库选型需要综合多方面因素进行考量，以下是一些常见的国产数据库及选型要点：选型考量因素技术层面架构特性：根据业务场景选择集中式或分布式架构。集中式数据库适合一致性与稳定性要求高、复杂SQL查询快的场景；分布式数据库则适用于海量数据弹性扩展业务与海量数据的OLAP业务。性能容量：关注数据库的TPCC数据等基准性能，还要针对生产环境典型应用场景进行压力测试，同时考虑数据库架构能否支撑原有数据库的容量。高可用与可靠：了解不同数据库保证数据一致性和高可用的实现原理，如物理日志记录传输、逻辑日志、分布式协议等方式，以及各自在同步效率、延迟和适用场景上的差异。兼容性：包括与现有系统、应用程序、SQL语法以及数据格式等的兼容性，确保替换后业务能正常运行。产品层面内核研发团队：强大的研发团队是数据库持续优化、升级和提供技术支持的保障，可关注团队的技术实力、研发经验和创新能力。金融级案例：有金融级应用案例的数据库，通常在稳定性、安全性和性能方面经过了更严格的考验，能更好地满足企业关键业务需求。生态层面开源社区：活跃的开源社区意味着丰富的技术资源、快速的问题解决和持续的功能迭代，可降低使用和维护

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

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：

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。

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...

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...