数据湖主数据

主数据平台是一个集中化的系统或技术框架，专门用于管理和维护企业核心的主数据，如客户、产品、供应商和员工信息等。以下是主数据平台的一些关键功能和特点：数据集成与抽取：主数据平台能够从各个业务系统中抽取。多租户与高可用部署：采用多租户模式，允许多个租户共享同一个平台资源，但互相之间数据隔离，并支持高可用部署方式，确保系统稳定性和可靠性。主数据平台的核心价值在于实现集中的主数据管理、可靠的主数据质量、全面的主数据服务和高效的主数据利用，从而为企业数字化转型提供坚实的数据基础核心数据，并进行清洗、转换和整合，确保数据的一致性和准确性。数据建模与存储：提供可视化的数据建模工具，支持多维数据模型设计，并采用高性能的存储架构，确保数据的存储和访问效率。数据质量管理：关注数据质量，提供数据质量检测工具，对数据进行完整性、准确性、一致性等方面的校验，解决数据冗余、重复和不规范等问题。数据服务与共享：以服务的方式提供数据，支持数据的查询、检索、导出等操作，并提供API接口，方便业务系统调用数据进行业务处理和分析。数据安全与审计：重视数据安全和隐私保护，提供多层次的安全控制机制，如身份认证、权限控制和操作审计等，确保数据的保密性和完整性。数据治理与监控：支持制定数据治理规则和

数据湖和数据仓库是两种不同的数据管理解决方案，它们在设计理念、用途、数据结构和使用场景上存在一些主要区别：数据结构和存储：数据仓库：通常存储结构化数据，数据在进入仓库之前需要经过清洗、转换和整合，以包含所有数据，通常是PB级别的，起步成本低，计算存储分离。产品形态和用户：数据仓库：可以是独立的标准化产品，主要使用对象是数据分析师、数据工程师、运营人员等。数据湖：作为原始数据、非结构化数据的数据库，主要使用对象是数据科学家。事务支持和架构：数据湖：可以处理多条不同的数据管道，支持并发的读写事务。数据仓库：更关注数据使用效率、大规模下的数据管理、安全/合规等企业级成长性需求。可扩展性和灵活性：数据确保数据的一致性和质量。数据湖：可以存储结构化、半结构化和非结构化数据。数据湖中的数据不需要事先清洗或转换，可以直接存储原始数据。数据处理模式：数据仓库：采用“写时模式”，数据在进入仓库时就定义好模式，适合预先定义的业务问题或用例。数据湖：采用“读时模式”，数据在利用的时候再定义模式，提供了更大的灵活性。使用思维和数据流程：数据仓库：通常需要根据报表需求确定数据模型，然后通过ETL过程将数据导入

主数据平台是一个集中化的系统或技术框架，专门用于管理和维护企业核心的主数据，如客户、产品、供应商和员工信息等。以下是主数据平台的一些关键功能和特点：数据集成与抽取：主数据平台能够从各个业务系统中抽取。多租户与高可用部署：采用多租户模式，允许多个租户共享同一个平台资源，但互相之间数据隔离，并支持高可用部署方式，确保系统稳定性和可靠性。主数据平台的核心价值在于实现集中的主数据管理、可靠的主数据质量、全面的主数据服务和高效的主数据利用，从而为企业数字化转型提供坚实的数据基础核心数据，并进行清洗、转换和整合，确保数据的一致性和准确性。数据建模与存储：提供可视化的数据建模工具，支持多维数据模型设计，并采用高性能的存储架构，确保数据的存储和访问效率。数据质量管理：关注数据质量，提供数据质量检测工具，对数据进行完整性、准确性、一致性等方面的校验，解决数据冗余、重复和不规范等问题。数据服务与共享：以服务的方式提供数据，支持数据的查询、检索、导出等操作，并提供API接口，方便业务系统调用数据进行业务处理和分析。数据安全与审计：重视数据安全和隐私保护，提供多层次的安全控制机制，如身份认证、权限控制和操作审计等，确保数据的保密性和完整性。数据治理与监控：支持制定数据治理规则和

主数据平台是一个集中化的系统或技术框架，专门用于管理和维护企业核心的主数据，如客户、产品、供应商和员工信息等。以下是主数据平台的一些关键功能和特点：数据集成与抽取：主数据平台能够从各个业务系统中抽取。多租户与高可用部署：采用多租户模式，允许多个租户共享同一个平台资源，但互相之间数据隔离，并支持高可用部署方式，确保系统稳定性和可靠性。主数据平台的核心价值在于实现集中的主数据管理、可靠的主数据质量、全面的主数据服务和高效的主数据利用，从而为企业数字化转型提供坚实的数据基础核心数据，并进行清洗、转换和整合，确保数据的一致性和准确性。数据建模与存储：提供可视化的数据建模工具，支持多维数据模型设计，并采用高性能的存储架构，确保数据的存储和访问效率。数据质量管理：关注数据质量，提供数据质量检测工具，对数据进行完整性、准确性、一致性等方面的校验，解决数据冗余、重复和不规范等问题。数据服务与共享：以服务的方式提供数据，支持数据的查询、检索、导出等操作，并提供API接口，方便业务系统调用数据进行业务处理和分析。数据安全与审计：重视数据安全和隐私保护，提供多层次的安全控制机制，如身份认证、权限控制和操作审计等，确保数据的保密性和完整性。数据治理与监控：支持制定数据治理规则和

数据湖和数据仓库是两种不同的数据管理解决方案，它们在设计理念、用途、数据结构和使用场景上存在一些主要区别：数据结构和存储：数据仓库：通常存储结构化数据，数据在进入仓库之前需要经过清洗、转换和整合，以包含所有数据，通常是PB级别的，起步成本低，计算存储分离。产品形态和用户：数据仓库：可以是独立的标准化产品，主要使用对象是数据分析师、数据工程师、运营人员等。数据湖：作为原始数据、非结构化数据的数据库，主要使用对象是数据科学家。事务支持和架构：数据湖：可以处理多条不同的数据管道，支持并发的读写事务。数据仓库：更关注数据使用效率、大规模下的数据管理、安全/合规等企业级成长性需求。可扩展性和灵活性：数据确保数据的一致性和质量。数据湖：可以存储结构化、半结构化和非结构化数据。数据湖中的数据不需要事先清洗或转换，可以直接存储原始数据。数据处理模式：数据仓库：采用“写时模式”，数据在进入仓库时就定义好模式，适合预先定义的业务问题或用例。数据湖：采用“读时模式”，数据在利用的时候再定义模式，提供了更大的灵活性。使用思维和数据流程：数据仓库：通常需要根据报表需求确定数据模型，然后通过ETL过程将数据导入

数据湖和数据仓库是两种不同的数据管理解决方案，它们在设计理念、用途、数据结构和使用场景上存在一些主要区别：数据结构和存储：数据仓库：通常存储结构化数据，数据在进入仓库之前需要经过清洗、转换和整合，以包含所有数据，通常是PB级别的，起步成本低，计算存储分离。产品形态和用户：数据仓库：可以是独立的标准化产品，主要使用对象是数据分析师、数据工程师、运营人员等。数据湖：作为原始数据、非结构化数据的数据库，主要使用对象是数据科学家。事务支持和架构：数据湖：可以处理多条不同的数据管道，支持并发的读写事务。数据仓库：更关注数据使用效率、大规模下的数据管理、安全/合规等企业级成长性需求。可扩展性和灵活性：数据确保数据的一致性和质量。数据湖：可以存储结构化、半结构化和非结构化数据。数据湖中的数据不需要事先清洗或转换，可以直接存储原始数据。数据处理模式：数据仓库：采用“写时模式”，数据在进入仓库时就定义好模式，适合预先定义的业务问题或用例。数据湖：采用“读时模式”，数据在利用的时候再定义模式，提供了更大的灵活性。使用思维和数据流程：数据仓库：通常需要根据报表需求确定数据模型，然后通过ETL过程将数据导入

主数据指企业中底层的数据，它对企业的事务性数据起到一个支撑性的作用。一般包含项目、物料、客户、供应商、组织、人员等。主数据的管理通常是由一个中心团队来负责，目的是确保数据的准确性、一致性和完整性，以避免不同部门或系统之间出现不一致的情况。主数据可以作为企业的决支持工具，为战略规划和业务流程优化提供重要的依据。主数据在企业中具有以下几个重要作用：支持业务决策：主数据提供企业所需的数据，这些数据可以为决策制定、业务规划和指标分析提供基础。通过对主数据的管理，企业可以更好地了解客户、产品、供应商、人员等方面的情况，从而更好地做出决策。简化业务流程：主数据管理可以优化企业的业务流程，提高工作效率，并问题。通过主数据管理，可以确保不同系统或业务领域中使用的数据一致。促进企业信息共享：通过主数据管理，不同部门或系统之间的数据可以得到共享，使企业更加协调和高效。例如，在人力资源管理方面，可以通过员工主数据实现员工信息的共享，不同部门之间可以更加协调。主数据对企业来说是非常重要的，不仅提供支持决策的数据，还可以优化业务流程，减少重复工作和错误率，并促进企业信息共享。

主数据治理是对企业内具有核心价值和关键作用的主数据进行全生命周期管理，以确保其准确性、一致性、完整性和时效性，从而提升企业数据质量和管理效率。主数据的定义与特点定义：主数据是指在企业内各个业务系统多个业务系统使用和引用。主数据治理的目标提升数据质量：通过建立统一的数据标准和规范，对主数据进行清洗、转换和整合，消除数据不一致性和错误，确保主数据的准确性、完整性和时效性。实现数据共享：打破数据孤岛，建立主数据共享平台，使主数据能够在企业内各个业务系统之间顺畅流通和共享，提高数据的利用率。提高业务效率：通过对主数据的统一管理和维护，减少数据重复录入和维护工作，降低数据管理成本，提高业务流程的自动化程度和运行效率。支持决策分析：为企业决策提供准确、一致的主数据支持，确保决策依据的可靠性，提升决策的科学性和准确性。主数据治理的主要内容主数据标准管理制定标准：根据企业业务需求和行业最佳实践，制定主数据的编码规则、数据格式、数据字典等标准规范，确保主数据在各个业务系统中的一致性。标准执行：建立监督机制，督促各业务系统严格按照主数据标准进行数据录入、存储和使用，对不符合标准的数据及时进行整改。主数据

主数据治理是对企业内具有核心价值和关键作用的主数据进行全生命周期管理，以确保其准确性、一致性、完整性和时效性，从而提升企业数据质量和管理效率。主数据的定义与特点定义：主数据是指在企业内各个业务系统多个业务系统使用和引用。主数据治理的目标提升数据质量：通过建立统一的数据标准和规范，对主数据进行清洗、转换和整合，消除数据不一致性和错误，确保主数据的准确性、完整性和时效性。实现数据共享：打破数据孤岛，建立主数据共享平台，使主数据能够在企业内各个业务系统之间顺畅流通和共享，提高数据的利用率。提高业务效率：通过对主数据的统一管理和维护，减少数据重复录入和维护工作，降低数据管理成本，提高业务流程的自动化程度和运行效率。支持决策分析：为企业决策提供准确、一致的主数据支持，确保决策依据的可靠性，提升决策的科学性和准确性。主数据治理的主要内容主数据标准管理制定标准：根据企业业务需求和行业最佳实践，制定主数据的编码规则、数据格式、数据字典等标准规范，确保主数据在各个业务系统中的一致性。标准执行：建立监督机制，督促各业务系统严格按照主数据标准进行数据录入、存储和使用，对不符合标准的数据及时进行整改。主数据

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":...

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。...

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。

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：

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...