国产数据库系统

星环国产数据库
国产数据库:星环科技经过多年的自主研发,打造了全栈的大数据基础软件,并打磨了一系列国产化替代平滑迁移方案,能够更好帮助企业用户更高效、更平滑、更安全地实现国外进口产品的国产化替代,实现大数据基础软件的全面自主可控,并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。

国产数据库系统 更多内容

数据库国产化改造是指将原本使用的国外数据库系统替换为国产数据库系统的过程,以下从改造原因、流程等方面详细介绍:改造原因数据安全:关键行业的大量敏感数据关乎国家安全与经济安全,使用国产数据库可降低数据泄露及被外国势力控制的风险。技术自主可控:依赖国外数据库技术易受制于人,在国际关系紧张或遭遇技术封锁时,关键行业运作可能受严重影响,国产化可保障系统稳定性与可持续性。经济利益:使用国产数据库能减少对、准确性和一致性,可分批次、分阶段进行。应用改造:若国产数据库与原数据库的接口、语法等存在差异,需对应用系统进行相应改造,使其能与新数据库适配。测试阶段功能测试:全面测试应用系统在新数据库环境下的各项功能国外厂商的费用支出,降低成本,还能推动本土科技企业发展,带动相关产业链进步。改造流程规划阶段需求分析:明确业务对数据库的性能、功能、容量等需求,梳理数据量、并发量、数据存储结构等信息。选型评估:市面上国产数据库品牌众多,需从功能、性能、兼容性、稳定性、服务支持等多方面评估,选择适合业务需求的产品。迁移阶段数据迁移:采用数据迁移工具或编写脚本,将数据从原数据库迁移至国产数据库,要确保数据的完整性
数据库国产化改造是指将原本使用的国外数据库系统替换为国产数据库系统的过程,以下从改造原因、流程等方面详细介绍:改造原因数据安全:关键行业的大量敏感数据关乎国家安全与经济安全,使用国产数据库可降低数据泄露及被外国势力控制的风险。技术自主可控:依赖国外数据库技术易受制于人,在国际关系紧张或遭遇技术封锁时,关键行业运作可能受严重影响,国产化可保障系统稳定性与可持续性。经济利益:使用国产数据库能减少对、准确性和一致性,可分批次、分阶段进行。应用改造:若国产数据库与原数据库的接口、语法等存在差异,需对应用系统进行相应改造,使其能与新数据库适配。测试阶段功能测试:全面测试应用系统在新数据库环境下的各项功能国外厂商的费用支出,降低成本,还能推动本土科技企业发展,带动相关产业链进步。改造流程规划阶段需求分析:明确业务对数据库的性能、功能、容量等需求,梳理数据量、并发量、数据存储结构等信息。选型评估:市面上国产数据库品牌众多,需从功能、性能、兼容性、稳定性、服务支持等多方面评估,选择适合业务需求的产品。迁移阶段数据迁移:采用数据迁移工具或编写脚本,将数据从原数据库迁移至国产数据库,要确保数据的完整性
数据库国产化改造是指将原本使用的国外数据库系统替换为国产数据库系统的过程,以下从改造原因、流程等方面详细介绍:改造原因数据安全:关键行业的大量敏感数据关乎国家安全与经济安全,使用国产数据库可降低数据泄露及被外国势力控制的风险。技术自主可控:依赖国外数据库技术易受制于人,在国际关系紧张或遭遇技术封锁时,关键行业运作可能受严重影响,国产化可保障系统稳定性与可持续性。经济利益:使用国产数据库能减少对、准确性和一致性,可分批次、分阶段进行。应用改造:若国产数据库与原数据库的接口、语法等存在差异,需对应用系统进行相应改造,使其能与新数据库适配。测试阶段功能测试:全面测试应用系统在新数据库环境下的各项功能国外厂商的费用支出,降低成本,还能推动本土科技企业发展,带动相关产业链进步。改造流程规划阶段需求分析:明确业务对数据库的性能、功能、容量等需求,梳理数据量、并发量、数据存储结构等信息。选型评估:市面上国产数据库品牌众多,需从功能、性能、兼容性、稳定性、服务支持等多方面评估,选择适合业务需求的产品。迁移阶段数据迁移:采用数据迁移工具或编写脚本,将数据从原数据库迁移至国产数据库,要确保数据的完整性
数据库国产化改造是指将原本使用的国外数据库系统替换为国产数据库系统的过程,以下从改造原因、流程等方面详细介绍:改造原因数据安全:关键行业的大量敏感数据关乎国家安全与经济安全,使用国产数据库可降低数据泄露及被外国势力控制的风险。技术自主可控:依赖国外数据库技术易受制于人,在国际关系紧张或遭遇技术封锁时,关键行业运作可能受严重影响,国产化可保障系统稳定性与可持续性。经济利益:使用国产数据库能减少对、准确性和一致性,可分批次、分阶段进行。应用改造:若国产数据库与原数据库的接口、语法等存在差异,需对应用系统进行相应改造,使其能与新数据库适配。测试阶段功能测试:全面测试应用系统在新数据库环境下的各项功能国外厂商的费用支出,降低成本,还能推动本土科技企业发展,带动相关产业链进步。改造流程规划阶段需求分析:明确业务对数据库的性能、功能、容量等需求,梳理数据量、并发量、数据存储结构等信息。选型评估:市面上国产数据库品牌众多,需从功能、性能、兼容性、稳定性、服务支持等多方面评估,选择适合业务需求的产品。迁移阶段数据迁移:采用数据迁移工具或编写脚本,将数据从原数据库迁移至国产数据库,要确保数据的完整性
分布式数据库系统是一种将数据存储在多个物理位置的数据库系统,这些位置可以是不同的服务器、数据中心或地理位置。以下是分布式数据库系统的一些主要特点:数据分布:水平分区:将数据表分割成多个部分,每个部分可用性。可扩展性:分布式数据库系统可以通过增加更多的节点来扩展系统的容量和性能。这种水平扩展方式比传统的垂直扩展更具灵活性和成本效益。负载均衡:可以将查询和事务负载均匀地分配到多个节点上,从而避免单个数据一致性是一个挑战。常见的数据一致性模型包括强一致性、最终一致性和因果一致性等,不同的模型在性能和一致性之间有不同的权衡。复杂性:设计和管理分布式数据库系统比单机数据库系统更复杂,需要考虑数据分布策略、节点通信、故障恢复等多个方面。节点的过载,提高系统的整体性能。事务管理:分布式数据库需要处理跨多个节点的事务,确保事务的原子性、一致性、隔离性和持久性(ACID属性)。这通常通过分布式事务管理器来实现,但实现起来比单机数据库复杂。网络依赖性:分布式数据库的性能和可靠性在很大程度上依赖于网络的稳定性和带宽。网络延迟和故障可能会影响数据传输和节点间的通信,从而影响系统的性能和一致性。数据一致性和一致性模型:在分布式环境中,保持
分布式数据库系统是一种将数据存储在多个物理位置的数据库系统,这些位置可以是不同的服务器、数据中心或地理位置。以下是分布式数据库系统的一些主要特点:数据分布:水平分区:将数据表分割成多个部分,每个部分可用性。可扩展性:分布式数据库系统可以通过增加更多的节点来扩展系统的容量和性能。这种水平扩展方式比传统的垂直扩展更具灵活性和成本效益。负载均衡:可以将查询和事务负载均匀地分配到多个节点上,从而避免单个数据一致性是一个挑战。常见的数据一致性模型包括强一致性、最终一致性和因果一致性等,不同的模型在性能和一致性之间有不同的权衡。复杂性:设计和管理分布式数据库系统比单机数据库系统更复杂,需要考虑数据分布策略、节点通信、故障恢复等多个方面。节点的过载,提高系统的整体性能。事务管理:分布式数据库需要处理跨多个节点的事务,确保事务的原子性、一致性、隔离性和持久性(ACID属性)。这通常通过分布式事务管理器来实现,但实现起来比单机数据库复杂。网络依赖性:分布式数据库的性能和可靠性在很大程度上依赖于网络的稳定性和带宽。网络延迟和故障可能会影响数据传输和节点间的通信,从而影响系统的性能和一致性。数据一致性和一致性模型:在分布式环境中,保持
分布式数据库系统是一种将数据存储在多个物理位置的数据库系统,这些位置可以是不同的服务器、数据中心或地理位置。以下是分布式数据库系统的一些主要特点:数据分布:水平分区:将数据表分割成多个部分,每个部分可用性。可扩展性:分布式数据库系统可以通过增加更多的节点来扩展系统的容量和性能。这种水平扩展方式比传统的垂直扩展更具灵活性和成本效益。负载均衡:可以将查询和事务负载均匀地分配到多个节点上,从而避免单个数据一致性是一个挑战。常见的数据一致性模型包括强一致性、最终一致性和因果一致性等,不同的模型在性能和一致性之间有不同的权衡。复杂性:设计和管理分布式数据库系统比单机数据库系统更复杂,需要考虑数据分布策略、节点通信、故障恢复等多个方面。节点的过载,提高系统的整体性能。事务管理:分布式数据库需要处理跨多个节点的事务,确保事务的原子性、一致性、隔离性和持久性(ACID属性)。这通常通过分布式事务管理器来实现,但实现起来比单机数据库复杂。网络依赖性:分布式数据库的性能和可靠性在很大程度上依赖于网络的稳定性和带宽。网络延迟和故障可能会影响数据传输和节点间的通信,从而影响系统的性能和一致性。数据一致性和一致性模型:在分布式环境中,保持
分布式数据库系统是一种将数据存储在多个物理位置的数据库系统,这些位置可以是不同的服务器、数据中心或地理位置。以下是分布式数据库系统的一些主要特点:数据分布:水平分区:将数据表分割成多个部分,每个部分可用性。可扩展性:分布式数据库系统可以通过增加更多的节点来扩展系统的容量和性能。这种水平扩展方式比传统的垂直扩展更具灵活性和成本效益。负载均衡:可以将查询和事务负载均匀地分配到多个节点上,从而避免单个数据一致性是一个挑战。常见的数据一致性模型包括强一致性、最终一致性和因果一致性等,不同的模型在性能和一致性之间有不同的权衡。复杂性:设计和管理分布式数据库系统比单机数据库系统更复杂,需要考虑数据分布策略、节点通信、故障恢复等多个方面。节点的过载,提高系统的整体性能。事务管理:分布式数据库需要处理跨多个节点的事务,确保事务的原子性、一致性、隔离性和持久性(ACID属性)。这通常通过分布式事务管理器来实现,但实现起来比单机数据库复杂。网络依赖性:分布式数据库的性能和可靠性在很大程度上依赖于网络的稳定性和带宽。网络延迟和故障可能会影响数据传输和节点间的通信,从而影响系统的性能和一致性。数据一致性和一致性模型:在分布式环境中,保持
分布式图数据库系统是近年来在大数据处理和复杂关系分析领域迅速崛起的一种数据库技术,特别适用于处理大规模、复杂关系的数据。以下是关于分布式图数据库系统的详细介绍,包括技术特性、应用案例和相关技术优化等数据库可用于构建推荐系统,通过分析客户与商品之间的关系,实现精准推荐。三、分布式图数据库的优化与实践性能优化:通过动态分片和负载均衡技术,提升系统的并发处理能力和响应速度。使用缓存技术减少数据库负载内容:一、分布式图数据库的技术特性分布式架构:分布式图数据库通过将数据分散存储在多个节点上,实现水平扩展,能够处理大规模图数据。支持高并发事务和图计算,具备弹性和线性的扩展能力。高性能查询与分析:分布式图数据库优化了图数据的存储和查询性能,支持深度关联查询和复杂网络分析。动态图支持:支持动态图的查询和分析,能够查询某个时间点的图全貌、追溯属性的变更历史。与大模型融合:分布式图数据库开始与大语言模型融合,支持自然语言作为查询语言,降低使用门槛。二、分布式图数据库的应用案例金融领域:反欺诈与反洗钱:通过图技术的复杂网络分析能力,能够更准确、更高效地识别洗钱交易和金融欺诈行为。市场营销分析:分布式图
产品文档
3.3 Cluster
OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...
产品文档
2 Quick Start
ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...
产品文档
8 性能分析
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。...
产品文档
5.3 写入类操作
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...
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:
产品文档
10 Hippo 运维
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•...
产品文档
1 Introduction
OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...
产品文档
5.7 查询类操作
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"}...
产品文档
5.18 全文检索
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。
产品文档
5.10 任务相关
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":...