云原生智能数据湖

云原生数据湖是一种将数据湖架构与云原生技术深度融合的创新数据架构和解决方案。架构特点存储与计算分离：基于云存储的弹性和可扩展性，实现存储与计算的解耦。数据存储在云对象存储等持久化存储中，而计算资源，降低成本。高可用性：通过云原生的多副本存储、自动容错和故障转移等机制，确保数据湖的高可用性。即使部分节点出现故障，也能自动切换到其他可用节点，保证数据的连续性和业务的正常运行。敏捷开发与迭代：云原生数据湖则可以根据实际需求灵活分配和扩展，大大提高了资源的利用率和成本效益。容器化部署：利用容器技术，将数据湖的各个组件进行容器化封装，实现快速部署、弹性伸缩和高效管理。容器化使得数据湖能够在不同的云环境中轻松探索与可视化：提供丰富的数据探索和可视化工具，方便用户对数据湖中的数据进行查询、分析和可视化展示。数据安全与治理云安全机制：继承了云平台的安全机制，如身份认证、访问控制、数据加密等，确保数据的安全性和隐私性。云平台提供了强大的安全防护体系，能够有效抵御各种网络攻击和数据泄露风险。元数据管理与治理：强调元数据的管理和治理，通过统一的元数据管理平台，对数据湖中的数据资产进行全面的管理和监控。元数据

云原生数据湖是一种将数据湖架构与云原生技术深度融合的创新数据架构和解决方案。架构特点存储与计算分离：基于云存储的弹性和可扩展性，实现存储与计算的解耦。数据存储在云对象存储等持久化存储中，而计算资源，降低成本。高可用性：通过云原生的多副本存储、自动容错和故障转移等机制，确保数据湖的高可用性。即使部分节点出现故障，也能自动切换到其他可用节点，保证数据的连续性和业务的正常运行。敏捷开发与迭代：云原生数据湖则可以根据实际需求灵活分配和扩展，大大提高了资源的利用率和成本效益。容器化部署：利用容器技术，将数据湖的各个组件进行容器化封装，实现快速部署、弹性伸缩和高效管理。容器化使得数据湖能够在不同的云环境中轻松探索与可视化：提供丰富的数据探索和可视化工具，方便用户对数据湖中的数据进行查询、分析和可视化展示。数据安全与治理云安全机制：继承了云平台的安全机制，如身份认证、访问控制、数据加密等，确保数据的安全性和隐私性。云平台提供了强大的安全防护体系，能够有效抵御各种网络攻击和数据泄露风险。元数据管理与治理：强调元数据的管理和治理，通过统一的元数据管理平台，对数据湖中的数据资产进行全面的管理和监控。元数据

云原生数据湖是一种将数据湖架构与云原生技术深度融合的创新数据架构和解决方案。架构特点存储与计算分离：基于云存储的弹性和可扩展性，实现存储与计算的解耦。数据存储在云对象存储等持久化存储中，而计算资源，降低成本。高可用性：通过云原生的多副本存储、自动容错和故障转移等机制，确保数据湖的高可用性。即使部分节点出现故障，也能自动切换到其他可用节点，保证数据的连续性和业务的正常运行。敏捷开发与迭代：云原生数据湖则可以根据实际需求灵活分配和扩展，大大提高了资源的利用率和成本效益。容器化部署：利用容器技术，将数据湖的各个组件进行容器化封装，实现快速部署、弹性伸缩和高效管理。容器化使得数据湖能够在不同的云环境中轻松探索与可视化：提供丰富的数据探索和可视化工具，方便用户对数据湖中的数据进行查询、分析和可视化展示。数据安全与治理云安全机制：继承了云平台的安全机制，如身份认证、访问控制、数据加密等，确保数据的安全性和隐私性。云平台提供了强大的安全防护体系，能够有效抵御各种网络攻击和数据泄露风险。元数据管理与治理：强调元数据的管理和治理，通过统一的元数据管理平台，对数据湖中的数据资产进行全面的管理和监控。元数据

云原生数据湖是一种将数据湖架构与云原生技术深度融合的创新数据架构和解决方案。架构特点存储与计算分离：基于云存储的弹性和可扩展性，实现存储与计算的解耦。数据存储在云对象存储等持久化存储中，而计算资源，降低成本。高可用性：通过云原生的多副本存储、自动容错和故障转移等机制，确保数据湖的高可用性。即使部分节点出现故障，也能自动切换到其他可用节点，保证数据的连续性和业务的正常运行。敏捷开发与迭代：云原生数据湖则可以根据实际需求灵活分配和扩展，大大提高了资源的利用率和成本效益。容器化部署：利用容器技术，将数据湖的各个组件进行容器化封装，实现快速部署、弹性伸缩和高效管理。容器化使得数据湖能够在不同的云环境中轻松探索与可视化：提供丰富的数据探索和可视化工具，方便用户对数据湖中的数据进行查询、分析和可视化展示。数据安全与治理云安全机制：继承了云平台的安全机制，如身份认证、访问控制、数据加密等，确保数据的安全性和隐私性。云平台提供了强大的安全防护体系，能够有效抵御各种网络攻击和数据泄露风险。元数据管理与治理：强调元数据的管理和治理，通过统一的元数据管理平台，对数据湖中的数据资产进行全面的管理和监控。元数据

云原生数据湖是一种将数据湖架构与云原生技术深度融合的创新数据架构和解决方案。架构特点存储与计算分离：基于云存储的弹性和可扩展性，实现存储与计算的解耦。数据存储在云对象存储等持久化存储中，而计算资源，降低成本。高可用性：通过云原生的多副本存储、自动容错和故障转移等机制，确保数据湖的高可用性。即使部分节点出现故障，也能自动切换到其他可用节点，保证数据的连续性和业务的正常运行。敏捷开发与迭代：云原生数据湖则可以根据实际需求灵活分配和扩展，大大提高了资源的利用率和成本效益。容器化部署：利用容器技术，将数据湖的各个组件进行容器化封装，实现快速部署、弹性伸缩和高效管理。容器化使得数据湖能够在不同的云环境中轻松探索与可视化：提供丰富的数据探索和可视化工具，方便用户对数据湖中的数据进行查询、分析和可视化展示。数据安全与治理云安全机制：继承了云平台的安全机制，如身份认证、访问控制、数据加密等，确保数据的安全性和隐私性。云平台提供了强大的安全防护体系，能够有效抵御各种网络攻击和数据泄露风险。元数据管理与治理：强调元数据的管理和治理，通过统一的元数据管理平台，对数据湖中的数据资产进行全面的管理和监控。元数据

云原生数据湖是一种将数据湖架构与云原生技术深度融合的创新数据架构和解决方案。架构特点存储与计算分离：基于云存储的弹性和可扩展性，实现存储与计算的解耦。数据存储在云对象存储等持久化存储中，而计算资源，降低成本。高可用性：通过云原生的多副本存储、自动容错和故障转移等机制，确保数据湖的高可用性。即使部分节点出现故障，也能自动切换到其他可用节点，保证数据的连续性和业务的正常运行。敏捷开发与迭代：云原生数据湖则可以根据实际需求灵活分配和扩展，大大提高了资源的利用率和成本效益。容器化部署：利用容器技术，将数据湖的各个组件进行容器化封装，实现快速部署、弹性伸缩和高效管理。容器化使得数据湖能够在不同的云环境中轻松探索与可视化：提供丰富的数据探索和可视化工具，方便用户对数据湖中的数据进行查询、分析和可视化展示。数据安全与治理云安全机制：继承了云平台的安全机制，如身份认证、访问控制、数据加密等，确保数据的安全性和隐私性。云平台提供了强大的安全防护体系，能够有效抵御各种网络攻击和数据泄露风险。元数据管理与治理：强调元数据的管理和治理，通过统一的元数据管理平台，对数据湖中的数据资产进行全面的管理和监控。元数据

云原生湖仓一体是将云原生理念与数据湖、数据仓库融为一体的系统。云原生湖仓一体运用云原生技术，如容器化、微服务架构和弹性伸缩等，将数据湖和数据仓库的功能整合到一个统一的平台上，以更好地满足企业对数据处理和存储的需求。云原生湖仓一体系统主要由以下组件和特点构成：数据湖：作为集中存储和处理的中心，数据湖可以容纳各种类型的数据，包括结构化、半结构化和非结构化数据。它具备高扩展性和强大的数据处理能力，能够取、转换和加载数据，并根据业务需求进行数据模型设计和优化。云原生架构：云原生湖仓一体系统采用云原生的架构设计和技术，如容器化、微服务架构和声明式配置等。它以容器的形式部署数据湖和数据仓库在云环境中，利用云计算资源进行弹性伸缩和高可用性的管理。弹性伸缩：云原生湖仓一体系统具备弹性伸缩的特性，能够根据实际需求自动调整系统的资源规模，以适应数据处理的量变。它可以依据负载的变化自动增加或减少容器的数量，以提供高效的数据处理和存储服务。数据整合与一站式服务：云原生湖仓一体系统可以集成和整合各类数据源，包括结构化、半结构化和非结构化数据。它提供统一的数据管理和查询接口，为企业提供一站式的数据服务，方便企业对数据

云原生湖仓一体是将云原生理念与数据湖、数据仓库融为一体的系统。云原生湖仓一体运用云原生技术，如容器化、微服务架构和弹性伸缩等，将数据湖和数据仓库的功能整合到一个统一的平台上，以更好地满足企业对数据处理和存储的需求。云原生湖仓一体系统主要由以下组件和特点构成：数据湖：作为集中存储和处理的中心，数据湖可以容纳各种类型的数据，包括结构化、半结构化和非结构化数据。它具备高扩展性和强大的数据处理能力，能够取、转换和加载数据，并根据业务需求进行数据模型设计和优化。云原生架构：云原生湖仓一体系统采用云原生的架构设计和技术，如容器化、微服务架构和声明式配置等。它以容器的形式部署数据湖和数据仓库在云环境中，利用云计算资源进行弹性伸缩和高可用性的管理。弹性伸缩：云原生湖仓一体系统具备弹性伸缩的特性，能够根据实际需求自动调整系统的资源规模，以适应数据处理的量变。它可以依据负载的变化自动增加或减少容器的数量，以提供高效的数据处理和存储服务。数据整合与一站式服务：云原生湖仓一体系统可以集成和整合各类数据源，包括结构化、半结构化和非结构化数据。它提供统一的数据管理和查询接口，为企业提供一站式的数据服务，方便企业对数据

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...

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•...

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...

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

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。...

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"}...

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：

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":...