有国产数据库吗

数据库国产化替换：从趋势到挑战，探寻中国方案数据库国产化替换的现状在全球数字化浪潮的推动下，数据已成为企业和国家发展的核心资产。数据库作为管理和存储这些资产的关键工具，其重要性不言而喻。近年来，随着国际形势的变化和信息技术的快速发展，数据库国产化替换已成为我国信息技术领域的重要战略任务。替换的原因（一）数据安全至上在当今数字化时代，数据已然成为国家和企业的核心资产，其安全至关重要。数据安全要行业的数据若被恶意获取或篡改，可能引发社会动荡，危及国家安全。（二）成本效益显著成本是企业在选择数据库时需要考虑的重要因素之一。国产数据库在成本方面具有明显优势，其价格通常低于国外同类产品，这使得企业在采购数据库时能够节省大量资金。除了采购成本，数据库的运营成本也是企业需要关注的重点。国产数据库在运维方面相对简单，对运维人员的技术要求相对较低，这意味着企业在运维人力成本和培训成本上的投入也会相应减少。（三）自主研发能力提升国产化数据库的发展能够有力地推动国内数据库技术研发能力的提升。在过去，我国数据库市场长期被国外数据库厂商垄断，国内企业在数据库技术研发方面受到诸多限制。随着国产化数据库的兴起

数据库国产化替换：从趋势到挑战，探寻中国方案数据库国产化替换的现状在全球数字化浪潮的推动下，数据已成为企业和国家发展的核心资产。数据库作为管理和存储这些资产的关键工具，其重要性不言而喻。近年来，随着国际形势的变化和信息技术的快速发展，数据库国产化替换已成为我国信息技术领域的重要战略任务。替换的原因（一）数据安全至上在当今数字化时代，数据已然成为国家和企业的核心资产，其安全至关重要。数据安全要行业的数据若被恶意获取或篡改，可能引发社会动荡，危及国家安全。（二）成本效益显著成本是企业在选择数据库时需要考虑的重要因素之一。国产数据库在成本方面具有明显优势，其价格通常低于国外同类产品，这使得企业在采购数据库时能够节省大量资金。除了采购成本，数据库的运营成本也是企业需要关注的重点。国产数据库在运维方面相对简单，对运维人员的技术要求相对较低，这意味着企业在运维人力成本和培训成本上的投入也会相应减少。（三）自主研发能力提升国产化数据库的发展能够有力地推动国内数据库技术研发能力的提升。在过去，我国数据库市场长期被国外数据库厂商垄断，国内企业在数据库技术研发方面受到诸多限制。随着国产化数据库的兴起

数据库国产化替换：从趋势到挑战，探寻中国方案数据库国产化替换的现状在全球数字化浪潮的推动下，数据已成为企业和国家发展的核心资产。数据库作为管理和存储这些资产的关键工具，其重要性不言而喻。近年来，随着国际形势的变化和信息技术的快速发展，数据库国产化替换已成为我国信息技术领域的重要战略任务。替换的原因（一）数据安全至上在当今数字化时代，数据已然成为国家和企业的核心资产，其安全至关重要。数据安全要行业的数据若被恶意获取或篡改，可能引发社会动荡，危及国家安全。（二）成本效益显著成本是企业在选择数据库时需要考虑的重要因素之一。国产数据库在成本方面具有明显优势，其价格通常低于国外同类产品，这使得企业在采购数据库时能够节省大量资金。除了采购成本，数据库的运营成本也是企业需要关注的重点。国产数据库在运维方面相对简单，对运维人员的技术要求相对较低，这意味着企业在运维人力成本和培训成本上的投入也会相应减少。（三）自主研发能力提升国产化数据库的发展能够有力地推动国内数据库技术研发能力的提升。在过去，我国数据库市场长期被国外数据库厂商垄断，国内企业在数据库技术研发方面受到诸多限制。随着国产化数据库的兴起

数据库国产化替换：从趋势到挑战，探寻中国方案数据库国产化替换的现状在全球数字化浪潮的推动下，数据已成为企业和国家发展的核心资产。数据库作为管理和存储这些资产的关键工具，其重要性不言而喻。近年来，随着国际形势的变化和信息技术的快速发展，数据库国产化替换已成为我国信息技术领域的重要战略任务。替换的原因（一）数据安全至上在当今数字化时代，数据已然成为国家和企业的核心资产，其安全至关重要。数据安全要行业的数据若被恶意获取或篡改，可能引发社会动荡，危及国家安全。（二）成本效益显著成本是企业在选择数据库时需要考虑的重要因素之一。国产数据库在成本方面具有明显优势，其价格通常低于国外同类产品，这使得企业在采购数据库时能够节省大量资金。除了采购成本，数据库的运营成本也是企业需要关注的重点。国产数据库在运维方面相对简单，对运维人员的技术要求相对较低，这意味着企业在运维人力成本和培训成本上的投入也会相应减少。（三）自主研发能力提升国产化数据库的发展能够有力地推动国内数据库技术研发能力的提升。在过去，我国数据库市场长期被国外数据库厂商垄断，国内企业在数据库技术研发方面受到诸多限制。随着国产化数据库的兴起

数据库国产化替换：从趋势到挑战，探寻中国方案数据库国产化替换的现状在全球数字化浪潮的推动下，数据已成为企业和国家发展的核心资产。数据库作为管理和存储这些资产的关键工具，其重要性不言而喻。近年来，随着国际形势的变化和信息技术的快速发展，数据库国产化替换已成为我国信息技术领域的重要战略任务。替换的原因（一）数据安全至上在当今数字化时代，数据已然成为国家和企业的核心资产，其安全至关重要。数据安全要行业的数据若被恶意获取或篡改，可能引发社会动荡，危及国家安全。（二）成本效益显著成本是企业在选择数据库时需要考虑的重要因素之一。国产数据库在成本方面具有明显优势，其价格通常低于国外同类产品，这使得企业在采购数据库时能够节省大量资金。除了采购成本，数据库的运营成本也是企业需要关注的重点。国产数据库在运维方面相对简单，对运维人员的技术要求相对较低，这意味着企业在运维人力成本和培训成本上的投入也会相应减少。（三）自主研发能力提升国产化数据库的发展能够有力地推动国内数据库技术研发能力的提升。在过去，我国数据库市场长期被国外数据库厂商垄断，国内企业在数据库技术研发方面受到诸多限制。随着国产化数据库的兴起

知识图谱就是图数据库吗？在信息技术快速发展的今天，"知识图谱"和"图数据库"这两个术语经常被同时提及，导致不少人产生困惑：它们是一回事吗？知识图谱是否就是图数据库的另一种说法？事实上，虽然两者密切相关，但它们在概念和应用上存在明显区别。基本概念解析图数据库是一种专门用于存储和处理图结构数据的数据库管理系统。它使用节点、边和属性来表示和存储数据，节点代表实体，边代表实体间的关系。图数据库的优势在于，通常还融合了本体论和推理能力，能够支持更复杂的知识发现和应用。核心区别分析从本质上看，图数据库强调的是数据的存储和查询技术，而知识图谱侧重的是知识的组织和表示方式。图数据库是实现知识图谱的一种可能技术手段，但不是唯一选择。知识图谱也可以使用其他数据库形式存储，如关系型数据库。在功能层面上，图数据库主要提供数据存储和基础查询功能，而知识图谱则包含更丰富的语义层次，通常具备本体定义、推理引擎、知识融合等功能。知识图谱往往构建在图数据库之上，但增加了语义理解和逻辑推理能力。数据复杂度方面，图数据库处理的主要是原始数据关系，而知识图谱处理的是经过提炼和加工的知识。知识图谱中的数据通常经过清洗、融合和

知识图谱就是图数据库吗？在信息技术快速发展的今天，"知识图谱"和"图数据库"这两个术语经常被同时提及，导致不少人产生困惑：它们是一回事吗？知识图谱是否就是图数据库的另一种说法？事实上，虽然两者密切相关，但它们在概念和应用上存在明显区别。基本概念解析图数据库是一种专门用于存储和处理图结构数据的数据库管理系统。它使用节点、边和属性来表示和存储数据，节点代表实体，边代表实体间的关系。图数据库的优势在于，通常还融合了本体论和推理能力，能够支持更复杂的知识发现和应用。核心区别分析从本质上看，图数据库强调的是数据的存储和查询技术，而知识图谱侧重的是知识的组织和表示方式。图数据库是实现知识图谱的一种可能技术手段，但不是唯一选择。知识图谱也可以使用其他数据库形式存储，如关系型数据库。在功能层面上，图数据库主要提供数据存储和基础查询功能，而知识图谱则包含更丰富的语义层次，通常具备本体定义、推理引擎、知识融合等功能。知识图谱往往构建在图数据库之上，但增加了语义理解和逻辑推理能力。数据复杂度方面，图数据库处理的主要是原始数据关系，而知识图谱处理的是经过提炼和加工的知识。知识图谱中的数据通常经过清洗、融合和

知识图谱就是图数据库吗？在信息技术快速发展的今天，"知识图谱"和"图数据库"这两个术语经常被同时提及，导致不少人产生困惑：它们是一回事吗？知识图谱是否就是图数据库的另一种说法？事实上，虽然两者密切相关，但它们在概念和应用上存在明显区别。基本概念解析图数据库是一种专门用于存储和处理图结构数据的数据库管理系统。它使用节点、边和属性来表示和存储数据，节点代表实体，边代表实体间的关系。图数据库的优势在于，通常还融合了本体论和推理能力，能够支持更复杂的知识发现和应用。核心区别分析从本质上看，图数据库强调的是数据的存储和查询技术，而知识图谱侧重的是知识的组织和表示方式。图数据库是实现知识图谱的一种可能技术手段，但不是唯一选择。知识图谱也可以使用其他数据库形式存储，如关系型数据库。在功能层面上，图数据库主要提供数据存储和基础查询功能，而知识图谱则包含更丰富的语义层次，通常具备本体定义、推理引擎、知识融合等功能。知识图谱往往构建在图数据库之上，但增加了语义理解和逻辑推理能力。数据复杂度方面，图数据库处理的主要是原始数据关系，而知识图谱处理的是经过提炼和加工的知识。知识图谱中的数据通常经过清洗、融合和

知识图谱就是图数据库吗？在信息技术快速发展的今天，"知识图谱"和"图数据库"这两个术语经常被同时提及，导致不少人产生困惑：它们是一回事吗？知识图谱是否就是图数据库的另一种说法？事实上，虽然两者密切相关，但它们在概念和应用上存在明显区别。基本概念解析图数据库是一种专门用于存储和处理图结构数据的数据库管理系统。它使用节点、边和属性来表示和存储数据，节点代表实体，边代表实体间的关系。图数据库的优势在于，通常还融合了本体论和推理能力，能够支持更复杂的知识发现和应用。核心区别分析从本质上看，图数据库强调的是数据的存储和查询技术，而知识图谱侧重的是知识的组织和表示方式。图数据库是实现知识图谱的一种可能技术手段，但不是唯一选择。知识图谱也可以使用其他数据库形式存储，如关系型数据库。在功能层面上，图数据库主要提供数据存储和基础查询功能，而知识图谱则包含更丰富的语义层次，通常具备本体定义、推理引擎、知识融合等功能。知识图谱往往构建在图数据库之上，但增加了语义理解和逻辑推理能力。数据复杂度方面，图数据库处理的主要是原始数据关系，而知识图谱处理的是经过提炼和加工的知识。知识图谱中的数据通常经过清洗、融合和

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。...

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•...

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...

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：

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