数据要素与传统要素融合

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素X”的概念“数据要素X”是一种强调数据要素与其他领域（用X表示）深度融合的理念。它代表数据要素作为一种核心驱动力，与众多行业或业务场景（如工业、农业、医疗、交通等）相互交叉、渗透，催生出新的应用模式、业务形态和价值增长点。数据要素与工业（数据要素X工业）智能生产：在工业制造过程中，通过在生产设备上安装传感器，收集大量的设备运行数据，如温度、压力、振动频率等。这些数据作为数据要素，可以与物流数据等。数据要素与农业（数据要素X农业）精准农业：在农业领域，数据要素的应用日益广泛。通过卫星遥感、无人机监测和地面传感器等多种方式，可以收集农田的土壤湿度、养分含量、作物生长状况等数据。这些数据与农业生产管理系统相结合，能够实现精准灌溉、精准施肥和精准农药喷洒。农产品质量追溯：数据要素还可以用于农产品质量追溯。从农产品的种植、施肥、采摘到加工、运输和销售的全过程，每一个环节的数据都可以被记录下来。消费者通过扫描产品二维码等方式，可以获取农产品的详细信息，包括产地、生产日期、施肥用药情况等，增加消费者对农产品质量的信心。数据要素与医疗（数据要素X医疗）辅助医疗诊断：在医疗行业，电子病历系统

“数据要素×”是一种数据要素与其他行业或领域深度融合应用的理念。其中的“×”代表着不同的行业、领域或者应用场景，它强调数据要素作为一种关键资源，通过与实体经济、科技创新、社会治理等众多领域相结合，发挥数据的乘数效应，创造新的价值和发展机遇。作用机制融合创新：数据要素与其他领域融合能够催生新的业务模式和创新产品。以“数据要素×医疗健康”为例，通过整合电子病历、医疗影像、基因数据等多源数据，利用大数据分析和人工智能技术，可以实现疾病的早期筛查、精准医疗和个性化治疗方案的制定。效率提升：在各个行业应用中，数据要素可以优化资源配置，提高生产效率。在“数据要素×交通运输”领域，通过收集和分析交通流量、车辆运行状态、路况等数据，可以优化交通信号灯的设置，实现智能交通调度，减少交通拥堵，提高交通运输效率。精准决策：数据要素为各行各业的决策提供了精准的依据。在“数据要素×金融”领域，金融机构通过分析客户的财务数据、信用数据、交易行为数据等，能够更准确地评估客户的风险承受能力，制定个性化的金融产品和服务策略。主要应用领域数据要素×工业：在工业领域，数据要素用于工业互联网建设。通过在生产设备上安装传感器

“数据要素×”是一种数据要素与其他行业或领域深度融合应用的理念。其中的“×”代表着不同的行业、领域或者应用场景，它强调数据要素作为一种关键资源，通过与实体经济、科技创新、社会治理等众多领域相结合，发挥数据的乘数效应，创造新的价值和发展机遇。作用机制融合创新：数据要素与其他领域融合能够催生新的业务模式和创新产品。以“数据要素×医疗健康”为例，通过整合电子病历、医疗影像、基因数据等多源数据，利用大数据分析和人工智能技术，可以实现疾病的早期筛查、精准医疗和个性化治疗方案的制定。效率提升：在各个行业应用中，数据要素可以优化资源配置，提高生产效率。在“数据要素×交通运输”领域，通过收集和分析交通流量、车辆运行状态、路况等数据，可以优化交通信号灯的设置，实现智能交通调度，减少交通拥堵，提高交通运输效率。精准决策：数据要素为各行各业的决策提供了精准的依据。在“数据要素×金融”领域，金融机构通过分析客户的财务数据、信用数据、交易行为数据等，能够更准确地评估客户的风险承受能力，制定个性化的金融产品和服务策略。主要应用领域数据要素×工业：在工业领域，数据要素用于工业互联网建设。通过在生产设备上安装传感器

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

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":...

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•...

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：

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。

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。...

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...