数据湖平台投入

星环科技基于ArgoDB构建的实时湖仓平台，提供统一元数据管理、多模式计算引擎、数据实时入湖、高性能查询响应、跨平台数据集成、数据治理与质量、数据安全与合规等能力，可实现落地即分析、实时数仓增量多种混合业务。实时入湖查询与分析：数据能够高吞吐低延时地实时接入平台存储，接入的结构化数据可以直接进行分析与查询，快速变现数据价值多模态数据统一管理：SQL入口、计算引擎、存储管理、资源管理四层统一同步：基于Raft协议数据一致性，支持故障自动迁移恢复，支持跨机房两地三中心部署，支持跨数据中心双活、多活，保障业务不中断湖仓集统一运维管理：平台统一运维，自动健康检查智能预警；平台统一权限管理，湖计算、一体化流式处理等。结合湖仓集一体技术架构，ArgoDB支持一种数据格式，满足数据实时入湖、数仓模型加工、高性能集市在线分析；通过行列混存技术实现基于一张表提供高并发精确查询、即席分析、复杂批处理等操作系统混合部署，最大化利用资源，让用户逐步实现国产化平滑替代目前，星环科技实时湖仓平台已经在金融、政府、交通、邮政、医疗、能源等行业以及大型国有企业落地应用，用创新的技术帮助用户打造自主可控、满足业务未来发展的数字底座。

星环科技基于ArgoDB构建的实时湖仓平台，提供统一元数据管理、多模式计算引擎、数据实时入湖、高性能查询响应、跨平台数据集成、数据治理与质量、数据安全与合规等能力，可实现落地即分析、实时数仓增量多种混合业务。实时入湖查询与分析：数据能够高吞吐低延时地实时接入平台存储，接入的结构化数据可以直接进行分析与查询，快速变现数据价值多模态数据统一管理：SQL入口、计算引擎、存储管理、资源管理四层统一同步：基于Raft协议数据一致性，支持故障自动迁移恢复，支持跨机房两地三中心部署，支持跨数据中心双活、多活，保障业务不中断湖仓集统一运维管理：平台统一运维，自动健康检查智能预警；平台统一权限管理，湖计算、一体化流式处理等。结合湖仓集一体技术架构，ArgoDB支持一种数据格式，满足数据实时入湖、数仓模型加工、高性能集市在线分析；通过行列混存技术实现基于一张表提供高并发精确查询、即席分析、复杂批处理等操作系统混合部署，最大化利用资源，让用户逐步实现国产化平滑替代目前，星环科技实时湖仓平台已经在金融、政府、交通、邮政、医疗、能源等行业以及大型国有企业落地应用，用创新的技术帮助用户打造自主可控、满足业务未来发展的数字底座。

湖仓一体数据平台湖仓一体数据平台是一种将数据湖和数据仓库融合在一起的数据架构，旨在提供数据仓库和数据湖的所有优点，同时消除两者的弱点。这种架构支持机器学习、商业智能和预测分析，使组织能够利用低成本、灵活的存储服务来存储所有类型的数据（结构化、非结构化和半结构化数据），同时提供数据结构和数据管理功能。核心优势一体化数据存算平台：融合了数据湖与数据仓库的优势，突破了传统架构的局限，让数据的统一分析与治理成为现实。一站式开发治理平台：简化了整体数据存储、计算和管理流程，不同部门、角色的用户可以基于统一的数据平台进行数据的开发、消费与共建。实时高效的数据处理：借助湖仓一体架构，数据处理时效显著提升，支持任意规模、任意类型、任意产生速度的数据存储，并可无缝对接多种计算分析平台。数据仓库：提供高性能的数据处理和分析能力，支持结构化数据的高效管理和查询。湖仓联动：通过技术实现数据湖与数据仓库的无缝对接平台。湖仓联动技术：实现数据湖与数据仓库的无缝对接和准实时计算。湖仓一体数据平台通过融合数据湖和数据仓库的优势，提供了高性能、实时高效的数据处理和管理能力。这种架构不仅提升了数据处理效率，还简化了数据管理和开发流程，为企业的数字化转型提供了强大的支持。

湖仓一体数据平台湖仓一体数据平台是一种将数据湖和数据仓库融合在一起的数据架构，旨在提供数据仓库和数据湖的所有优点，同时消除两者的弱点。这种架构支持机器学习、商业智能和预测分析，使组织能够利用低成本、灵活的存储服务来存储所有类型的数据（结构化、非结构化和半结构化数据），同时提供数据结构和数据管理功能。核心优势一体化数据存算平台：融合了数据湖与数据仓库的优势，突破了传统架构的局限，让数据的统一分析与治理成为现实。一站式开发治理平台：简化了整体数据存储、计算和管理流程，不同部门、角色的用户可以基于统一的数据平台进行数据的开发、消费与共建。实时高效的数据处理：借助湖仓一体架构，数据处理时效显著提升，支持任意规模、任意类型、任意产生速度的数据存储，并可无缝对接多种计算分析平台。数据仓库：提供高性能的数据处理和分析能力，支持结构化数据的高效管理和查询。湖仓联动：通过技术实现数据湖与数据仓库的无缝对接平台。湖仓联动技术：实现数据湖与数据仓库的无缝对接和准实时计算。湖仓一体数据平台通过融合数据湖和数据仓库的优势，提供了高性能、实时高效的数据处理和管理能力。这种架构不仅提升了数据处理效率，还简化了数据管理和开发流程，为企业的数字化转型提供了强大的支持。

解锁数据湖一站式加工处理平台，开启数据新时代数据湖平台是什么数据湖一站式加工处理平台，是一种能够集中存储和处理各类数据的平台。它就像一个大型的数据仓库，但又不仅仅是简单的数据存储，更强调数据的全面）。数据湖一站式加工处理平台具备强大的数据处理、分析和挖掘功能。它可以对海量数据进行清洗、转换、集成等预处理操作，去除数据中的噪声和错误，将不同格式的数据统一转化为便于分析的形式。还能运用各种数据分析工具和算法，从数据中提取有价值的信息，如通过机器学习算法预测用户的购买趋势，通过关联分析发现商品之间的潜在关系等。平台的独特优势（一）多样数据类型的兼容在当今数字化时代，企业面临的数据类型繁杂多样。数据湖。（二）灵活的存储结构与传统的数据存储方式不同，数据湖无需提前定义模式，原始数据可按原始格式存储。这一特性赋予了平台极大的灵活性，能够适应不断变化的数据需求。而在数据湖平台上，新产生的原始数据可以直接趋势。数据湖一站式加工处理平台采用水平扩展架构，能够轻松应对大规模数据存储和处理需求。数据湖平台可以通过添加更多的服务器节点，实现存储和计算能力的线性扩展。这种水平扩展的方式不仅成本相对较低，而且操作

解锁数据湖一站式加工处理平台，开启数据新时代数据湖平台是什么数据湖一站式加工处理平台，是一种能够集中存储和处理各类数据的平台。它就像一个大型的数据仓库，但又不仅仅是简单的数据存储，更强调数据的全面）。数据湖一站式加工处理平台具备强大的数据处理、分析和挖掘功能。它可以对海量数据进行清洗、转换、集成等预处理操作，去除数据中的噪声和错误，将不同格式的数据统一转化为便于分析的形式。还能运用各种数据分析工具和算法，从数据中提取有价值的信息，如通过机器学习算法预测用户的购买趋势，通过关联分析发现商品之间的潜在关系等。平台的独特优势（一）多样数据类型的兼容在当今数字化时代，企业面临的数据类型繁杂多样。数据湖。（二）灵活的存储结构与传统的数据存储方式不同，数据湖无需提前定义模式，原始数据可按原始格式存储。这一特性赋予了平台极大的灵活性，能够适应不断变化的数据需求。而在数据湖平台上，新产生的原始数据可以直接趋势。数据湖一站式加工处理平台采用水平扩展架构，能够轻松应对大规模数据存储和处理需求。数据湖平台可以通过添加更多的服务器节点，实现存储和计算能力的线性扩展。这种水平扩展的方式不仅成本相对较低，而且操作

湖仓一体数据平台湖仓一体数据平台是一种将数据湖和数据仓库融合在一起的数据架构，旨在提供数据仓库和数据湖的所有优点，同时消除两者的弱点。这种架构支持机器学习、商业智能和预测分析，使组织能够利用低成本、灵活的存储服务来存储所有类型的数据（结构化、非结构化和半结构化数据），同时提供数据结构和数据管理功能。核心优势一体化数据存算平台：融合了数据湖与数据仓库的优势，突破了传统架构的局限，让数据的统一分析与治理成为现实。一站式开发治理平台：简化了整体数据存储、计算和管理流程，不同部门、角色的用户可以基于统一的数据平台进行数据的开发、消费与共建。实时高效的数据处理：借助湖仓一体架构，数据处理时效显著提升，支持任意规模、任意类型、任意产生速度的数据存储，并可无缝对接多种计算分析平台。数据仓库：提供高性能的数据处理和分析能力，支持结构化数据的高效管理和查询。湖仓联动：通过技术实现数据湖与数据仓库的无缝对接平台。湖仓联动技术：实现数据湖与数据仓库的无缝对接和准实时计算。湖仓一体数据平台通过融合数据湖和数据仓库的优势，提供了高性能、实时高效的数据处理和管理能力。这种架构不仅提升了数据处理效率，还简化了数据管理和开发流程，为企业的数字化转型提供了强大的支持。

湖仓一体数据平台湖仓一体数据平台是一种将数据湖和数据仓库融合在一起的数据架构，旨在提供数据仓库和数据湖的所有优点，同时消除两者的弱点。这种架构支持机器学习、商业智能和预测分析，使组织能够利用低成本、灵活的存储服务来存储所有类型的数据（结构化、非结构化和半结构化数据），同时提供数据结构和数据管理功能。核心优势一体化数据存算平台：融合了数据湖与数据仓库的优势，突破了传统架构的局限，让数据的统一分析与治理成为现实。一站式开发治理平台：简化了整体数据存储、计算和管理流程，不同部门、角色的用户可以基于统一的数据平台进行数据的开发、消费与共建。实时高效的数据处理：借助湖仓一体架构，数据处理时效显著提升，支持任意规模、任意类型、任意产生速度的数据存储，并可无缝对接多种计算分析平台。数据仓库：提供高性能的数据处理和分析能力，支持结构化数据的高效管理和查询。湖仓联动：通过技术实现数据湖与数据仓库的无缝对接平台。湖仓联动技术：实现数据湖与数据仓库的无缝对接和准实时计算。湖仓一体数据平台通过融合数据湖和数据仓库的优势，提供了高性能、实时高效的数据处理和管理能力。这种架构不仅提升了数据处理效率，还简化了数据管理和开发流程，为企业的数字化转型提供了强大的支持。

湖仓一体数据平台湖仓一体数据平台是一种将数据湖和数据仓库融合在一起的数据架构，旨在提供数据仓库和数据湖的所有优点，同时消除两者的弱点。这种架构支持机器学习、商业智能和预测分析，使组织能够利用低成本、灵活的存储服务来存储所有类型的数据（结构化、非结构化和半结构化数据），同时提供数据结构和数据管理功能。核心优势一体化数据存算平台：融合了数据湖与数据仓库的优势，突破了传统架构的局限，让数据的统一分析与治理成为现实。一站式开发治理平台：简化了整体数据存储、计算和管理流程，不同部门、角色的用户可以基于统一的数据平台进行数据的开发、消费与共建。实时高效的数据处理：借助湖仓一体架构，数据处理时效显著提升，支持任意规模、任意类型、任意产生速度的数据存储，并可无缝对接多种计算分析平台。数据仓库：提供高性能的数据处理和分析能力，支持结构化数据的高效管理和查询。湖仓联动：通过技术实现数据湖与数据仓库的无缝对接平台。湖仓联动技术：实现数据湖与数据仓库的无缝对接和准实时计算。湖仓一体数据平台通过融合数据湖和数据仓库的优势，提供了高性能、实时高效的数据处理和管理能力。这种架构不仅提升了数据处理效率，还简化了数据管理和开发流程，为企业的数字化转型提供了强大的支持。

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":...

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"}...

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

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

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。...

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...