数据中台的实例

深度剖析业务中台、数据中台、AI中台：数字化转型的关键引擎在数字化转型的浪潮中，越来越多的企业意识到，要想在激烈的市场竞争中脱颖而出，仅靠传统的业务模式和技术架构远远不够。业务中台、数据中台、AI中商平台、线下门店以及移动端应用都能协同运作，为消费者提供无缝的购物体验。二、数据中台：企业的数据“智慧大脑”（一）概念与定义数据中台是将企业内外部的多源数据进行采集、整合、清洗、存储，并提供数据分析、挖掘和应用的平台。它打破了数据孤岛，让数据在企业内部自由流通，为企业决策提供有力的数据支持。比如，一家制造业企业的数据中台，整合了生产数据、销售数据、供应链数据等，通过对这些数据的深度分析，企业可以精准营销和客户服务。数据价值挖掘：运用大数据分析技术，从海量数据中挖掘出有价值的信息，为企业提供决策依据，如预测市场趋势、发现潜在客户等。（三）典型应用场景金融机构利用数据中台进行风险管理。通过整合客户的信用数据、交易数据以及外部的市场数据，数据中台可以建立风险评估模型，实时监控客户的信用风险，为信贷审批、风险预警等提供数据支持，有效降低金融风险。三、AI中台：企业的“智能助手”（一）概念与定义AI

数据中台、业务中台、技术中台的关系是什么？在当今数字化转型的浪潮中，"中台"概念已成为企业架构设计的热门话题。数据中台、业务中台和技术中台作为三大核心中台类型，它们之间既有明确分工，又相互关联，共同构成了企业数字化能力的基石。中台概念的起源与本质中台战略的兴起源于对传统企业IT架构问题的反思。过去，企业信息系统往往采用"烟囱式"建设模式，各个业务系统独立开发，导致功能重复、数据孤岛、资源浪费等变化；后台则包含稳定的核心系统和基础设施，变化成本高。中台在这两者之间起到了缓冲和赋能的作用，既保持了前台的敏捷性，又避免了后台的频繁改动。三大中台的核心定位数据中台专注于企业数据的全生命周期管理。它不是一个简单的数据仓库或大数据平台，而是包含了数据采集、存储、治理、加工、服务化等完整链条的数据能力中心。数据中台的核心价值在于打破数据壁垒，实现数据资产化，让数据能够有效、安全地在全企业范围内流动和使用研发效率，让开发人员可以专注于业务逻辑而非底层技术细节。三者之间的协同关系这三大中台构成了一个层次分明的能力体系。技术中台处于底层，为数据中台和业务中台提供基础技术支持；业务中台和数据中台位于中间层

数据中台、业务中台、技术中台的关系是什么？在当今数字化转型的浪潮中，"中台"概念已成为企业架构设计的热门话题。数据中台、业务中台和技术中台作为三大核心中台类型，它们之间既有明确分工，又相互关联，共同构成了企业数字化能力的基石。中台概念的起源与本质中台战略的兴起源于对传统企业IT架构问题的反思。过去，企业信息系统往往采用"烟囱式"建设模式，各个业务系统独立开发，导致功能重复、数据孤岛、资源浪费等变化；后台则包含稳定的核心系统和基础设施，变化成本高。中台在这两者之间起到了缓冲和赋能的作用，既保持了前台的敏捷性，又避免了后台的频繁改动。三大中台的核心定位数据中台专注于企业数据的全生命周期管理。它不是一个简单的数据仓库或大数据平台，而是包含了数据采集、存储、治理、加工、服务化等完整链条的数据能力中心。数据中台的核心价值在于打破数据壁垒，实现数据资产化，让数据能够有效、安全地在全企业范围内流动和使用研发效率，让开发人员可以专注于业务逻辑而非底层技术细节。三者之间的协同关系这三大中台构成了一个层次分明的能力体系。技术中台处于底层，为数据中台和业务中台提供基础技术支持；业务中台和数据中台位于中间层

数据中台、业务中台、技术中台的关系是什么？在当今数字化转型的浪潮中，"中台"概念已成为企业架构设计的热门话题。数据中台、业务中台和技术中台作为三大核心中台类型，它们之间既有明确分工，又相互关联，共同构成了企业数字化能力的基石。中台概念的起源与本质中台战略的兴起源于对传统企业IT架构问题的反思。过去，企业信息系统往往采用"烟囱式"建设模式，各个业务系统独立开发，导致功能重复、数据孤岛、资源浪费等变化；后台则包含稳定的核心系统和基础设施，变化成本高。中台在这两者之间起到了缓冲和赋能的作用，既保持了前台的敏捷性，又避免了后台的频繁改动。三大中台的核心定位数据中台专注于企业数据的全生命周期管理。它不是一个简单的数据仓库或大数据平台，而是包含了数据采集、存储、治理、加工、服务化等完整链条的数据能力中心。数据中台的核心价值在于打破数据壁垒，实现数据资产化，让数据能够有效、安全地在全企业范围内流动和使用研发效率，让开发人员可以专注于业务逻辑而非底层技术细节。三者之间的协同关系这三大中台构成了一个层次分明的能力体系。技术中台处于底层，为数据中台和业务中台提供基础技术支持；业务中台和数据中台位于中间层

数据中台、业务中台、技术中台的关系是什么？在当今数字化转型的浪潮中，"中台"概念已成为企业架构设计的热门话题。数据中台、业务中台和技术中台作为三大核心中台类型，它们之间既有明确分工，又相互关联，共同构成了企业数字化能力的基石。中台概念的起源与本质中台战略的兴起源于对传统企业IT架构问题的反思。过去，企业信息系统往往采用"烟囱式"建设模式，各个业务系统独立开发，导致功能重复、数据孤岛、资源浪费等变化；后台则包含稳定的核心系统和基础设施，变化成本高。中台在这两者之间起到了缓冲和赋能的作用，既保持了前台的敏捷性，又避免了后台的频繁改动。三大中台的核心定位数据中台专注于企业数据的全生命周期管理。它不是一个简单的数据仓库或大数据平台，而是包含了数据采集、存储、治理、加工、服务化等完整链条的数据能力中心。数据中台的核心价值在于打破数据壁垒，实现数据资产化，让数据能够有效、安全地在全企业范围内流动和使用研发效率，让开发人员可以专注于业务逻辑而非底层技术细节。三者之间的协同关系这三大中台构成了一个层次分明的能力体系。技术中台处于底层，为数据中台和业务中台提供基础技术支持；业务中台和数据中台位于中间层

深度剖析业务中台、数据中台、AI中台：数字化转型的关键引擎在数字化转型的浪潮中，越来越多的企业意识到，要想在激烈的市场竞争中脱颖而出，仅靠传统的业务模式和技术架构远远不够。业务中台、数据中台、AI中商平台、线下门店以及移动端应用都能协同运作，为消费者提供无缝的购物体验。二、数据中台：企业的数据“智慧大脑”（一）概念与定义数据中台是将企业内外部的多源数据进行采集、整合、清洗、存储，并提供数据分析、挖掘和应用的平台。它打破了数据孤岛，让数据在企业内部自由流通，为企业决策提供有力的数据支持。比如，一家制造业企业的数据中台，整合了生产数据、销售数据、供应链数据等，通过对这些数据的深度分析，企业可以精准营销和客户服务。数据价值挖掘：运用大数据分析技术，从海量数据中挖掘出有价值的信息，为企业提供决策依据，如预测市场趋势、发现潜在客户等。（三）典型应用场景金融机构利用数据中台进行风险管理。通过整合客户的信用数据、交易数据以及外部的市场数据，数据中台可以建立风险评估模型，实时监控客户的信用风险，为信贷审批、风险预警等提供数据支持，有效降低金融风险。三、AI中台：企业的“智能助手”（一）概念与定义AI

深度剖析业务中台、数据中台、AI中台：数字化转型的关键引擎在数字化转型的浪潮中，越来越多的企业意识到，要想在激烈的市场竞争中脱颖而出，仅靠传统的业务模式和技术架构远远不够。业务中台、数据中台、AI中商平台、线下门店以及移动端应用都能协同运作，为消费者提供无缝的购物体验。二、数据中台：企业的数据“智慧大脑”（一）概念与定义数据中台是将企业内外部的多源数据进行采集、整合、清洗、存储，并提供数据分析、挖掘和应用的平台。它打破了数据孤岛，让数据在企业内部自由流通，为企业决策提供有力的数据支持。比如，一家制造业企业的数据中台，整合了生产数据、销售数据、供应链数据等，通过对这些数据的深度分析，企业可以精准营销和客户服务。数据价值挖掘：运用大数据分析技术，从海量数据中挖掘出有价值的信息，为企业提供决策依据，如预测市场趋势、发现潜在客户等。（三）典型应用场景金融机构利用数据中台进行风险管理。通过整合客户的信用数据、交易数据以及外部的市场数据，数据中台可以建立风险评估模型，实时监控客户的信用风险，为信贷审批、风险预警等提供数据支持，有效降低金融风险。三、AI中台：企业的“智能助手”（一）概念与定义AI

深度剖析业务中台、数据中台、AI中台：数字化转型的关键引擎在数字化转型的浪潮中，越来越多的企业意识到，要想在激烈的市场竞争中脱颖而出，仅靠传统的业务模式和技术架构远远不够。业务中台、数据中台、AI中商平台、线下门店以及移动端应用都能协同运作，为消费者提供无缝的购物体验。二、数据中台：企业的数据“智慧大脑”（一）概念与定义数据中台是将企业内外部的多源数据进行采集、整合、清洗、存储，并提供数据分析、挖掘和应用的平台。它打破了数据孤岛，让数据在企业内部自由流通，为企业决策提供有力的数据支持。比如，一家制造业企业的数据中台，整合了生产数据、销售数据、供应链数据等，通过对这些数据的深度分析，企业可以精准营销和客户服务。数据价值挖掘：运用大数据分析技术，从海量数据中挖掘出有价值的信息，为企业提供决策依据，如预测市场趋势、发现潜在客户等。（三）典型应用场景金融机构利用数据中台进行风险管理。通过整合客户的信用数据、交易数据以及外部的市场数据，数据中台可以建立风险评估模型，实时监控客户的信用风险，为信贷审批、风险预警等提供数据支持，有效降低金融风险。三、AI中台：企业的“智能助手”（一）概念与定义AI

深度剖析业务中台、数据中台、AI中台：数字化转型的关键引擎在数字化转型的浪潮中，越来越多的企业意识到，要想在激烈的市场竞争中脱颖而出，仅靠传统的业务模式和技术架构远远不够。业务中台、数据中台、AI中商平台、线下门店以及移动端应用都能协同运作，为消费者提供无缝的购物体验。二、数据中台：企业的数据“智慧大脑”（一）概念与定义数据中台是将企业内外部的多源数据进行采集、整合、清洗、存储，并提供数据分析、挖掘和应用的平台。它打破了数据孤岛，让数据在企业内部自由流通，为企业决策提供有力的数据支持。比如，一家制造业企业的数据中台，整合了生产数据、销售数据、供应链数据等，通过对这些数据的深度分析，企业可以精准营销和客户服务。数据价值挖掘：运用大数据分析技术，从海量数据中挖掘出有价值的信息，为企业提供决策依据，如预测市场趋势、发现潜在客户等。（三）典型应用场景金融机构利用数据中台进行风险管理。通过整合客户的信用数据、交易数据以及外部的市场数据，数据中台可以建立风险评估模型，实时监控客户的信用风险，为信贷审批、风险预警等提供数据支持，有效降低金融风险。三、AI中台：企业的“智能助手”（一）概念与定义AI

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":...

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...

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：

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...

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"}...