图数据库比较好的

国内有哪些公司/团队在图数据库、图挖掘方面做的比较好？图数据库和图挖掘是近年来大数据和人工智能领域的热门方向。随着社交网络、金融风控、知识图谱等应用的快速发展，图技术因其强大的关联分析能力受到广泛关注。在国内，不少公司和科研团队在这一领域取得了显著成果，推动了图技术的落地与应用。一些国内科技公司较早布局图数据库领域，推出了高性能的分布式图数据库产品。这些产品在金融、社交网络、网络安全等场景中表现出色，能够支持千亿级节点的存储和毫秒级查询。此外，部分团队专注于图数据库的底层优化，例如在存储引擎、查询语言、分布式架构等方面进行创新，使得国产图数据库在性能上逐步接近甚至超越国际同类产品。图挖掘技术。这些应用不仅提高了业务效率，也验证了图挖掘技术的商业价值。行业生态与合作国内图数据库和图挖掘的发展离不开行业生态的支持。近年来，一些技术社区和行业协会开始组织相关的技术分享和竞赛，促进了行业内的交流与合作。此外，部分云计算厂商也推出了图计算服务，降低了企业使用图技术的门槛。总的来说，国内在图数据库和图挖掘领域已经涌现出一批优秀的团队和公司，他们在技术研发和实际应用中取得了显著成果。随着图技术的普及，这一领域的发展潜力将更加值得期待。

国内有哪些公司/团队在图数据库、图挖掘方面做的比较好？图数据库和图挖掘是近年来大数据和人工智能领域的热门方向。随着社交网络、金融风控、知识图谱等应用的快速发展，图技术因其强大的关联分析能力受到广泛关注。在国内，不少公司和科研团队在这一领域取得了显著成果，推动了图技术的落地与应用。一些国内科技公司较早布局图数据库领域，推出了高性能的分布式图数据库产品。这些产品在金融、社交网络、网络安全等场景中表现出色，能够支持千亿级节点的存储和毫秒级查询。此外，部分团队专注于图数据库的底层优化，例如在存储引擎、查询语言、分布式架构等方面进行创新，使得国产图数据库在性能上逐步接近甚至超越国际同类产品。图挖掘技术。这些应用不仅提高了业务效率，也验证了图挖掘技术的商业价值。行业生态与合作国内图数据库和图挖掘的发展离不开行业生态的支持。近年来，一些技术社区和行业协会开始组织相关的技术分享和竞赛，促进了行业内的交流与合作。此外，部分云计算厂商也推出了图计算服务，降低了企业使用图技术的门槛。总的来说，国内在图数据库和图挖掘领域已经涌现出一批优秀的团队和公司，他们在技术研发和实际应用中取得了显著成果。随着图技术的普及，这一领域的发展潜力将更加值得期待。

国内有哪些公司/团队在图数据库、图挖掘方面做的比较好？图数据库和图挖掘是近年来大数据和人工智能领域的热门方向。随着社交网络、金融风控、知识图谱等应用的快速发展，图技术因其强大的关联分析能力受到广泛关注。在国内，不少公司和科研团队在这一领域取得了显著成果，推动了图技术的落地与应用。一些国内科技公司较早布局图数据库领域，推出了高性能的分布式图数据库产品。这些产品在金融、社交网络、网络安全等场景中表现出色，能够支持千亿级节点的存储和毫秒级查询。此外，部分团队专注于图数据库的底层优化，例如在存储引擎、查询语言、分布式架构等方面进行创新，使得国产图数据库在性能上逐步接近甚至超越国际同类产品。图挖掘技术。这些应用不仅提高了业务效率，也验证了图挖掘技术的商业价值。行业生态与合作国内图数据库和图挖掘的发展离不开行业生态的支持。近年来，一些技术社区和行业协会开始组织相关的技术分享和竞赛，促进了行业内的交流与合作。此外，部分云计算厂商也推出了图计算服务，降低了企业使用图技术的门槛。总的来说，国内在图数据库和图挖掘领域已经涌现出一批优秀的团队和公司，他们在技术研发和实际应用中取得了显著成果。随着图技术的普及，这一领域的发展潜力将更加值得期待。

国内有哪些公司/团队在图数据库、图挖掘方面做的比较好？图数据库和图挖掘是近年来大数据和人工智能领域的热门方向。随着社交网络、金融风控、知识图谱等应用的快速发展，图技术因其强大的关联分析能力受到广泛关注。在国内，不少公司和科研团队在这一领域取得了显著成果，推动了图技术的落地与应用。一些国内科技公司较早布局图数据库领域，推出了高性能的分布式图数据库产品。这些产品在金融、社交网络、网络安全等场景中表现出色，能够支持千亿级节点的存储和毫秒级查询。此外，部分团队专注于图数据库的底层优化，例如在存储引擎、查询语言、分布式架构等方面进行创新，使得国产图数据库在性能上逐步接近甚至超越国际同类产品。图挖掘技术。这些应用不仅提高了业务效率，也验证了图挖掘技术的商业价值。行业生态与合作国内图数据库和图挖掘的发展离不开行业生态的支持。近年来，一些技术社区和行业协会开始组织相关的技术分享和竞赛，促进了行业内的交流与合作。此外，部分云计算厂商也推出了图计算服务，降低了企业使用图技术的门槛。总的来说，国内在图数据库和图挖掘领域已经涌现出一批优秀的团队和公司，他们在技术研发和实际应用中取得了显著成果。随着图技术的普及，这一领域的发展潜力将更加值得期待。

国内有哪些公司/团队在图数据库、图挖掘方面做的比较好？图数据库和图挖掘是近年来大数据和人工智能领域的热门方向。随着社交网络、金融风控、知识图谱等应用的快速发展，图技术因其强大的关联分析能力受到广泛关注。在国内，不少公司和科研团队在这一领域取得了显著成果，推动了图技术的落地与应用。一些国内科技公司较早布局图数据库领域，推出了高性能的分布式图数据库产品。这些产品在金融、社交网络、网络安全等场景中表现出色，能够支持千亿级节点的存储和毫秒级查询。此外，部分团队专注于图数据库的底层优化，例如在存储引擎、查询语言、分布式架构等方面进行创新，使得国产图数据库在性能上逐步接近甚至超越国际同类产品。图挖掘技术。这些应用不仅提高了业务效率，也验证了图挖掘技术的商业价值。行业生态与合作国内图数据库和图挖掘的发展离不开行业生态的支持。近年来，一些技术社区和行业协会开始组织相关的技术分享和竞赛，促进了行业内的交流与合作。此外，部分云计算厂商也推出了图计算服务，降低了企业使用图技术的门槛。总的来说，国内在图数据库和图挖掘领域已经涌现出一批优秀的团队和公司，他们在技术研发和实际应用中取得了显著成果。随着图技术的普及，这一领域的发展潜力将更加值得期待。

国内有哪些公司/团队在图数据库、图挖掘方面做的比较好？图数据库和图挖掘是近年来大数据和人工智能领域的热门方向。随着社交网络、金融风控、知识图谱等应用的快速发展，图技术因其强大的关联分析能力受到广泛关注。在国内，不少公司和科研团队在这一领域取得了显著成果，推动了图技术的落地与应用。一些国内科技公司较早布局图数据库领域，推出了高性能的分布式图数据库产品。这些产品在金融、社交网络、网络安全等场景中表现出色，能够支持千亿级节点的存储和毫秒级查询。此外，部分团队专注于图数据库的底层优化，例如在存储引擎、查询语言、分布式架构等方面进行创新，使得国产图数据库在性能上逐步接近甚至超越国际同类产品。图挖掘技术。这些应用不仅提高了业务效率，也验证了图挖掘技术的商业价值。行业生态与合作国内图数据库和图挖掘的发展离不开行业生态的支持。近年来，一些技术社区和行业协会开始组织相关的技术分享和竞赛，促进了行业内的交流与合作。此外，部分云计算厂商也推出了图计算服务，降低了企业使用图技术的门槛。总的来说，国内在图数据库和图挖掘领域已经涌现出一批优秀的团队和公司，他们在技术研发和实际应用中取得了显著成果。随着图技术的普及，这一领域的发展潜力将更加值得期待。

星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环科技自主研发的企业级分布式图数据库，提供高性能的图存储、计算、分析、查询和展示服务设计和迭代升级，推出了更高性能、更智能、更易用的企业级分布式图数据库StellarDB5.0。性能数倍提升，加速数据分析创新StellarDB5.0实现了存储引擎和计算引擎双引擎升级。在存储部分，全新中落地，StellarDB5.0接入了星环科技自研的ZenGraph深度图框架，将图数据库技术和深度图技术深度融合，利用图数据库的优势实现图数据快速地读取和写回，提供快速子图过滤能力，从而提升整个深度图链路的处理效率，StellarDB将进一步融合图数据库技术和深度图技术，提供更加易用、一体化的工业级图深度学习解决方案。简洁的动态图模型，图数据变化直观、高效分析许多图数据应用场景中的图数据并不是静态不变的，而是动态变化的。突破数据模型屏障，挖掘数据融合分析价值大数据时代数据量井喷、业务融合多样化，企业需要部署多个不同类型的数据库用来存储不同的数据类型，而在做一些复杂业务分析时需要多种类型数据进行联合分析。但数据库与

星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环科技自主研发的企业级分布式图数据库，提供高性能的图存储、计算、分析、查询和展示服务设计和迭代升级，推出了更高性能、更智能、更易用的企业级分布式图数据库StellarDB5.0。性能数倍提升，加速数据分析创新StellarDB5.0实现了存储引擎和计算引擎双引擎升级。在存储部分，全新中落地，StellarDB5.0接入了星环科技自研的ZenGraph深度图框架，将图数据库技术和深度图技术深度融合，利用图数据库的优势实现图数据快速地读取和写回，提供快速子图过滤能力，从而提升整个深度图链路的处理效率，StellarDB将进一步融合图数据库技术和深度图技术，提供更加易用、一体化的工业级图深度学习解决方案。简洁的动态图模型，图数据变化直观、高效分析许多图数据应用场景中的图数据并不是静态不变的，而是动态变化的。突破数据模型屏障，挖掘数据融合分析价值大数据时代数据量井喷、业务融合多样化，企业需要部署多个不同类型的数据库用来存储不同的数据类型，而在做一些复杂业务分析时需要多种类型数据进行联合分析。但数据库与

星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环科技自主研发的企业级分布式图数据库，提供高性能的图存储、计算、分析、查询和展示服务设计和迭代升级，推出了更高性能、更智能、更易用的企业级分布式图数据库StellarDB5.0。性能数倍提升，加速数据分析创新StellarDB5.0实现了存储引擎和计算引擎双引擎升级。在存储部分，全新中落地，StellarDB5.0接入了星环科技自研的ZenGraph深度图框架，将图数据库技术和深度图技术深度融合，利用图数据库的优势实现图数据快速地读取和写回，提供快速子图过滤能力，从而提升整个深度图链路的处理效率，StellarDB将进一步融合图数据库技术和深度图技术，提供更加易用、一体化的工业级图深度学习解决方案。简洁的动态图模型，图数据变化直观、高效分析许多图数据应用场景中的图数据并不是静态不变的，而是动态变化的。突破数据模型屏障，挖掘数据融合分析价值大数据时代数据量井喷、业务融合多样化，企业需要部署多个不同类型的数据库用来存储不同的数据类型，而在做一些复杂业务分析时需要多种类型数据进行联合分析。但数据库与

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。

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：

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•...

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...

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...