数据仓库 那家好

：相比实时数据仓库，离线数据仓库在硬件和软件资源的投入上相对较少，因为不需要实时处理的高性能计算和存储设备，适合中小企业和对数据实时性要求不高的应用场景。稳定性好：离线数仓在稳定性方面表现较好，因为数据离线数据仓库是一种数据仓库架构，主要用于存储和处理历史的、静态的数据。以下是离线数据仓库的一些主要特点和应用场景：特点：处理大规模数据能力强：离线数据仓库能够处理海量的历史数据，由于是批量处理，对于生成一份客户流失分析报表，通过分析客户的购买频率、最近购买时间等因素来确定可能流失的客户名单。商业智能与数据分析：企业通过离线数据仓库汇集来自不同部门和系统的数据，进行综合分析，形成商业智能报告，帮助决策者制定战略规划。销售与市场分析：企业可以定期提取销售数据和市场数据，分析销售趋势、客户行为等，以优化销售策略和市场营销活动。财务分析：财务部门可以将历史财务数据集中存储在离线数据仓库中，以便进行数据量的容忍度较高，可以存储和分析企业多年积累的数据。数据一致性和准确性高：在ETL过程中可以对数据进行仔细的清洗和转换，保证数据在加载到数仓后的一致性和准确性，有利于进行高质量的分析。成本效益较好

数据仓库规范是确保数据仓库建设有条不紊、提升开发效率、保证代码可读性和维护性的关键。以下是一些核心的数据仓库规范：数据模型架构原则：数据仓库应遵循分层原则，一般包括数据源层（ODS）、数据仓库层应清晰数据结构、数据血缘追踪、减少重复开发、数据关系条理化、屏蔽原始数据影响。数据源层（ODS）规范：ODS层最接近数据源，不建议做过多的数据清洗工作，原封不动地接入原始数据。数据仓库层（DW）规范机制等，确保数据的安全性和合规性。数据仓库的维护与优化：明确维护和优化的流程、周期、责任人等，以保证数据仓库的长期稳定运行。统一规范的数据标准：规定数据结构、数据类型、数据精度、数据格式等，以便于数据的共享、集成和决策支持。：对于维度字段，NULL需设置为-1；对于指标字段，NULL需设置为0。指标口径规范：保证主题域内指标口径一致，无歧义，通过数据分层提供统一的数据出口，避免同一指标不同口径。分层架构设计：好的分层架构（DW）、数据应用层（APP）和维表层。主题域划分原则，按照业务或业务过程划分，以及数据域划分。数据类型规范：统一规定不同的数据的数据类型，如金额使用double或decimal(28,6)，字符串使用

数据仓库规范是确保数据仓库建设有条不紊、提升开发效率、保证代码可读性和维护性的关键。以下是一些核心的数据仓库规范：数据模型架构原则：数据仓库应遵循分层原则，一般包括数据源层（ODS）、数据仓库层应清晰数据结构、数据血缘追踪、减少重复开发、数据关系条理化、屏蔽原始数据影响。数据源层（ODS）规范：ODS层最接近数据源，不建议做过多的数据清洗工作，原封不动地接入原始数据。数据仓库层（DW）规范机制等，确保数据的安全性和合规性。数据仓库的维护与优化：明确维护和优化的流程、周期、责任人等，以保证数据仓库的长期稳定运行。统一规范的数据标准：规定数据结构、数据类型、数据精度、数据格式等，以便于数据的共享、集成和决策支持。：对于维度字段，NULL需设置为-1；对于指标字段，NULL需设置为0。指标口径规范：保证主题域内指标口径一致，无歧义，通过数据分层提供统一的数据出口，避免同一指标不同口径。分层架构设计：好的分层架构（DW）、数据应用层（APP）和维表层。主题域划分原则，按照业务或业务过程划分，以及数据域划分。数据类型规范：统一规定不同的数据的数据类型，如金额使用double或decimal(28,6)，字符串使用

：相比实时数据仓库，离线数据仓库在硬件和软件资源的投入上相对较少，因为不需要实时处理的高性能计算和存储设备，适合中小企业和对数据实时性要求不高的应用场景。稳定性好：离线数仓在稳定性方面表现较好，因为数据离线数据仓库是一种数据仓库架构，主要用于存储和处理历史的、静态的数据。以下是离线数据仓库的一些主要特点和应用场景：特点：处理大规模数据能力强：离线数据仓库能够处理海量的历史数据，由于是批量处理，对于生成一份客户流失分析报表，通过分析客户的购买频率、最近购买时间等因素来确定可能流失的客户名单。商业智能与数据分析：企业通过离线数据仓库汇集来自不同部门和系统的数据，进行综合分析，形成商业智能报告，帮助决策者制定战略规划。销售与市场分析：企业可以定期提取销售数据和市场数据，分析销售趋势、客户行为等，以优化销售策略和市场营销活动。财务分析：财务部门可以将历史财务数据集中存储在离线数据仓库中，以便进行数据量的容忍度较高，可以存储和分析企业多年积累的数据。数据一致性和准确性高：在ETL过程中可以对数据进行仔细的清洗和转换，保证数据在加载到数仓后的一致性和准确性，有利于进行高质量的分析。成本效益较好

：相比实时数据仓库，离线数据仓库在硬件和软件资源的投入上相对较少，因为不需要实时处理的高性能计算和存储设备，适合中小企业和对数据实时性要求不高的应用场景。稳定性好：离线数仓在稳定性方面表现较好，因为数据离线数据仓库是一种数据仓库架构，主要用于存储和处理历史的、静态的数据。以下是离线数据仓库的一些主要特点和应用场景：特点：处理大规模数据能力强：离线数据仓库能够处理海量的历史数据，由于是批量处理，对于生成一份客户流失分析报表，通过分析客户的购买频率、最近购买时间等因素来确定可能流失的客户名单。商业智能与数据分析：企业通过离线数据仓库汇集来自不同部门和系统的数据，进行综合分析，形成商业智能报告，帮助决策者制定战略规划。销售与市场分析：企业可以定期提取销售数据和市场数据，分析销售趋势、客户行为等，以优化销售策略和市场营销活动。财务分析：财务部门可以将历史财务数据集中存储在离线数据仓库中，以便进行数据量的容忍度较高，可以存储和分析企业多年积累的数据。数据一致性和准确性高：在ETL过程中可以对数据进行仔细的清洗和转换，保证数据在加载到数仓后的一致性和准确性，有利于进行高质量的分析。成本效益较好

：相比实时数据仓库，离线数据仓库在硬件和软件资源的投入上相对较少，因为不需要实时处理的高性能计算和存储设备，适合中小企业和对数据实时性要求不高的应用场景。稳定性好：离线数仓在稳定性方面表现较好，因为数据离线数据仓库是一种数据仓库架构，主要用于存储和处理历史的、静态的数据。以下是离线数据仓库的一些主要特点和应用场景：特点：处理大规模数据能力强：离线数据仓库能够处理海量的历史数据，由于是批量处理，对于生成一份客户流失分析报表，通过分析客户的购买频率、最近购买时间等因素来确定可能流失的客户名单。商业智能与数据分析：企业通过离线数据仓库汇集来自不同部门和系统的数据，进行综合分析，形成商业智能报告，帮助决策者制定战略规划。销售与市场分析：企业可以定期提取销售数据和市场数据，分析销售趋势、客户行为等，以优化销售策略和市场营销活动。财务分析：财务部门可以将历史财务数据集中存储在离线数据仓库中，以便进行数据量的容忍度较高，可以存储和分析企业多年积累的数据。数据一致性和准确性高：在ETL过程中可以对数据进行仔细的清洗和转换，保证数据在加载到数仓后的一致性和准确性，有利于进行高质量的分析。成本效益较好

：相比实时数据仓库，离线数据仓库在硬件和软件资源的投入上相对较少，因为不需要实时处理的高性能计算和存储设备，适合中小企业和对数据实时性要求不高的应用场景。稳定性好：离线数仓在稳定性方面表现较好，因为数据离线数据仓库是一种数据仓库架构，主要用于存储和处理历史的、静态的数据。以下是离线数据仓库的一些主要特点和应用场景：特点：处理大规模数据能力强：离线数据仓库能够处理海量的历史数据，由于是批量处理，对于生成一份客户流失分析报表，通过分析客户的购买频率、最近购买时间等因素来确定可能流失的客户名单。商业智能与数据分析：企业通过离线数据仓库汇集来自不同部门和系统的数据，进行综合分析，形成商业智能报告，帮助决策者制定战略规划。销售与市场分析：企业可以定期提取销售数据和市场数据，分析销售趋势、客户行为等，以优化销售策略和市场营销活动。财务分析：财务部门可以将历史财务数据集中存储在离线数据仓库中，以便进行数据量的容忍度较高，可以存储和分析企业多年积累的数据。数据一致性和准确性高：在ETL过程中可以对数据进行仔细的清洗和转换，保证数据在加载到数仓后的一致性和准确性，有利于进行高质量的分析。成本效益较好

：相比实时数据仓库，离线数据仓库在硬件和软件资源的投入上相对较少，因为不需要实时处理的高性能计算和存储设备，适合中小企业和对数据实时性要求不高的应用场景。稳定性好：离线数仓在稳定性方面表现较好，因为数据离线数据仓库是一种数据仓库架构，主要用于存储和处理历史的、静态的数据。以下是离线数据仓库的一些主要特点和应用场景：特点：处理大规模数据能力强：离线数据仓库能够处理海量的历史数据，由于是批量处理，对于生成一份客户流失分析报表，通过分析客户的购买频率、最近购买时间等因素来确定可能流失的客户名单。商业智能与数据分析：企业通过离线数据仓库汇集来自不同部门和系统的数据，进行综合分析，形成商业智能报告，帮助决策者制定战略规划。销售与市场分析：企业可以定期提取销售数据和市场数据，分析销售趋势、客户行为等，以优化销售策略和市场营销活动。财务分析：财务部门可以将历史财务数据集中存储在离线数据仓库中，以便进行数据量的容忍度较高，可以存储和分析企业多年积累的数据。数据一致性和准确性高：在ETL过程中可以对数据进行仔细的清洗和转换，保证数据在加载到数仓后的一致性和准确性，有利于进行高质量的分析。成本效益较好

数据仓库规范是确保数据仓库建设有条不紊、提升开发效率、保证代码可读性和维护性的关键。以下是一些核心的数据仓库规范：数据模型架构原则：数据仓库应遵循分层原则，一般包括数据源层（ODS）、数据仓库层应清晰数据结构、数据血缘追踪、减少重复开发、数据关系条理化、屏蔽原始数据影响。数据源层（ODS）规范：ODS层最接近数据源，不建议做过多的数据清洗工作，原封不动地接入原始数据。数据仓库层（DW）规范机制等，确保数据的安全性和合规性。数据仓库的维护与优化：明确维护和优化的流程、周期、责任人等，以保证数据仓库的长期稳定运行。统一规范的数据标准：规定数据结构、数据类型、数据精度、数据格式等，以便于数据的共享、集成和决策支持。：对于维度字段，NULL需设置为-1；对于指标字段，NULL需设置为0。指标口径规范：保证主题域内指标口径一致，无歧义，通过数据分层提供统一的数据出口，避免同一指标不同口径。分层架构设计：好的分层架构（DW）、数据应用层（APP）和维表层。主题域划分原则，按照业务或业务过程划分，以及数据域划分。数据类型规范：统一规定不同的数据的数据类型，如金额使用double或decimal(28,6)，字符串使用

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":...

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

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

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"}...

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：

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•...

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

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。...