北京 数据中台 公司

、技术研发型、市场应用型和业务探索型等4大类型。星环科技北京子公司凭借在大数据、人工智能等领域的技术实力及综合竞争力入选“2023北京软件核心竞争力企业（业务探索型）”。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技北京子公司曾入选北京市2022年度首批“专精特新”企业名单，充分表明了行业权威机构近日，北京软件和信息服务业协会（简称“北京软协”）第十一届会员代表大会第一次会议暨第十一届理事会第一次会议期间，北京软协副会长费振勇发布《2023北京软件企业核心竞争力评价报告》，评价分为平台赋能型对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。星环科技自成立之初就坚持自主研发与技术创新，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的数据云技术以及大数据开发与智能分析技术六个方面。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，为推动数字经济发展持续贡献力量。

、技术研发型、市场应用型和业务探索型等4大类型。星环科技北京子公司凭借在大数据、人工智能等领域的技术实力及综合竞争力入选“2023北京软件核心竞争力企业（业务探索型）”。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技北京子公司曾入选北京市2022年度首批“专精特新”企业名单，充分表明了行业权威机构近日，北京软件和信息服务业协会（简称“北京软协”）第十一届会员代表大会第一次会议暨第十一届理事会第一次会议期间，北京软协副会长费振勇发布《2023北京软件企业核心竞争力评价报告》，评价分为平台赋能型对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。星环科技自成立之初就坚持自主研发与技术创新，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的数据云技术以及大数据开发与智能分析技术六个方面。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，为推动数字经济发展持续贡献力量。

、治理、建模、分析、挖掘和流通等数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技已经多次入选上海市“专精特新”企业名单。以荣誉和成绩为契机，星环科技将继续深耕技术创新和基础软件研发，发挥行业引领示范作用，为我国建设科技强国提供有力支撑！近日，北京市经济和信息化局发布《2022年度第一批“专精特新”中小企业》公告，星环科技北京子公司成功入选北京市“专精特新”中小企业名单。星环科技入选北京市2022年度首批“专精特新”企业名单按照工信中小企业”上升至国家战略高度，“专精特新”这一概念与科技强国、制造强国等结合在一起。此次入选北京市2022年度第一批认定的“专精特新”中小企业名单，充分表明了行业权威机构对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。作为一家企业级大数据基础软件开发商，星环科技自成立之初就坚持自主研发与技术创新。经过多年自主研发，星环科技建立了多个产品系列，并拥有多项专利技术，能够围绕数据的集成、存储

、技术研发型、市场应用型和业务探索型等4大类型。星环科技北京子公司凭借在大数据、人工智能等领域的技术实力及综合竞争力入选“2023北京软件核心竞争力企业（业务探索型）”。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。公司以上海为总部，以北京、南京、广州、新加坡为区域总部。此前星环科技北京子公司曾入选北京市2022年度首批“专精特新”企业名单，充分表明了行业权威机构近日，北京软件和信息服务业协会（简称“北京软协”）第十一届会员代表大会第一次会议暨第十一届理事会第一次会议期间，北京软协副会长费振勇发布《2023北京软件企业核心竞争力评价报告》，评价分为平台赋能型对于星环科技产品技术能力、创新能力、专业度和市场地位的认可。星环科技自成立之初就坚持自主研发与技术创新，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的数据云技术以及大数据开发与智能分析技术六个方面。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，为推动数字经济发展持续贡献力量。

数据中台就是一个集中的平台，它帮助公司管理、处理和分发数据，让数据在整个组织中流动起来，支持业务决策和运营。通过数据中台，公司能够更好地利用数据，提高效率和竞争力。数据中台这个概念听起来可能有点技术化，用一个通俗的比喻来解释一下：想象一下，公司就像一个大型超市，而数据中台就相当于超市的仓库管理系统。这个系统帮助超市管理所有的商品（数据），确保商品（数据）能够被正确地存储、分类、更新和分发到需要它们的地方。数据收集：就像超市从不同的供应商那里进货一样，数据中台从公司的不同业务系统（比如销售系统、客户服务系统等）收集数据。数据存储：收集来的数据被存储在数据中台，就像商品被存放在仓库里一样。这样：就像超市对一些商品进行包装和加工一样，数据中台也会对数据进行加工，比如进行数据分析和处理，使其更有价值。数据分发：加工好的数据会被分发到超市的各个部门，比如销售部门、库存部门等。在公司里，数据中台也，数据就可以被集中管理，而不是散落在各个地方。数据清洗和整理：仓库里的货物需要被分类和整理，数据中台也会对收集到的数据进行清洗和整理，去除错误的、重复的或者无用的数据，确保数据的准确性和可用性。数据加工

数据中台就是一个集中的平台，它帮助公司管理、处理和分发数据，让数据在整个组织中流动起来，支持业务决策和运营。通过数据中台，公司能够更好地利用数据，提高效率和竞争力。数据中台这个概念听起来可能有点技术化，用一个通俗的比喻来解释一下：想象一下，公司就像一个大型超市，而数据中台就相当于超市的仓库管理系统。这个系统帮助超市管理所有的商品（数据），确保商品（数据）能够被正确地存储、分类、更新和分发到需要它们的地方。数据收集：就像超市从不同的供应商那里进货一样，数据中台从公司的不同业务系统（比如销售系统、客户服务系统等）收集数据。数据存储：收集来的数据被存储在数据中台，就像商品被存放在仓库里一样。这样：就像超市对一些商品进行包装和加工一样，数据中台也会对数据进行加工，比如进行数据分析和处理，使其更有价值。数据分发：加工好的数据会被分发到超市的各个部门，比如销售部门、库存部门等。在公司里，数据中台也，数据就可以被集中管理，而不是散落在各个地方。数据清洗和整理：仓库里的货物需要被分类和整理，数据中台也会对收集到的数据进行清洗和整理，去除错误的、重复的或者无用的数据，确保数据的准确性和可用性。数据加工

业务中台,数据中台和AI中台是什么？业务中台：是公司业务的集中化管理平台，通过集成各个业务系统和提供标准化的业务模块服务，帮助公司提高业务协同能力和效率。数据中台：是企业数据的集中化管理平台，通过统一数据的存储、管理、分析和应用，提升数据的价值和利用率，支持业务决策和创新。AI中台：是企业人工智能技术和应用的集中化管理平台，通过整合各类人工智能算法、工具和平台，提供一站式的开发、测试、应用和维护服务，促进业的数字化转型和升级。业务中台是以集成和协调不同的部门、业务系统为核心，侧重于业务处理流程的统一、框架的分层和业务模型的标准化。数据中台则是以数据治理、数据仓库、数据标准化、数据服务为键点，侧重于数据资产的管理、共享，信息化系统的高度整合和数据分析服务的快速响应。AI中台是在数据中台的基础上，采用人工智能算法和技术来提供智能决策、预测、优化等服务，包括AI开发平台、算法模型库、数据服务和智能应用等。业务中台,数据中台,AI中台的区别业务中台解决的是业务系统复杂性和运营效率低下的问题，数据中台解决的是数据孤立、分散、标准化和共享等数据管理问题，AI中台则是为满足企业的数据智能化应用

业务中台,数据中台和AI中台是什么？业务中台：是公司业务的集中化管理平台，通过集成各个业务系统和提供标准化的业务模块服务，帮助公司提高业务协同能力和效率。数据中台：是企业数据的集中化管理平台，通过统一数据的存储、管理、分析和应用，提升数据的价值和利用率，支持业务决策和创新。AI中台：是企业人工智能技术和应用的集中化管理平台，通过整合各类人工智能算法、工具和平台，提供一站式的开发、测试、应用和维护服务，促进业的数字化转型和升级。业务中台是以集成和协调不同的部门、业务系统为核心，侧重于业务处理流程的统一、框架的分层和业务模型的标准化。数据中台则是以数据治理、数据仓库、数据标准化、数据服务为键点，侧重于数据资产的管理、共享，信息化系统的高度整合和数据分析服务的快速响应。AI中台是在数据中台的基础上，采用人工智能算法和技术来提供智能决策、预测、优化等服务，包括AI开发平台、算法模型库、数据服务和智能应用等。业务中台,数据中台,AI中台的区别业务中台解决的是业务系统复杂性和运营效率低下的问题，数据中台解决的是数据孤立、分散、标准化和共享等数据管理问题，AI中台则是为满足企业的数据智能化应用

业务中台,数据中台和AI中台是什么？业务中台：是公司业务的集中化管理平台，通过集成各个业务系统和提供标准化的业务模块服务，帮助公司提高业务协同能力和效率。数据中台：是企业数据的集中化管理平台，通过统一数据的存储、管理、分析和应用，提升数据的价值和利用率，支持业务决策和创新。AI中台：是企业人工智能技术和应用的集中化管理平台，通过整合各类人工智能算法、工具和平台，提供一站式的开发、测试、应用和维护服务，促进业的数字化转型和升级。业务中台是以集成和协调不同的部门、业务系统为核心，侧重于业务处理流程的统一、框架的分层和业务模型的标准化。数据中台则是以数据治理、数据仓库、数据标准化、数据服务为键点，侧重于数据资产的管理、共享，信息化系统的高度整合和数据分析服务的快速响应。AI中台是在数据中台的基础上，采用人工智能算法和技术来提供智能决策、预测、优化等服务，包括AI开发平台、算法模型库、数据服务和智能应用等。业务中台,数据中台,AI中台的区别业务中台解决的是业务系统复杂性和运营效率低下的问题，数据中台解决的是数据孤立、分散、标准化和共享等数据管理问题，AI中台则是为满足企业的数据智能化应用

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"}...

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...

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。

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...

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：

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

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•...