图数据库的基础

Transwarp StellarDB是星环科技自主研发的企业级分布式图数据库，提供高性能的图存储、计算、分析、查询和展示服务。StellarDB支持原生图存储，千亿点、万亿边、PB级大规模图数据存储；具备10+层的深度链路分析能力，提供丰富的图分析算法和深度图算法；支持标准图查询语言并兼容 openCypher，并具备2D/3D图展示能力，可以帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。

图数据库（GraphDatabase）是一种非关系型数据库，它以点（节点）和边为基础存储单元，设计原理在于高效存储和查询图数据。在图数据库中，“点”代表实体，如人员、企业等，可以存储各种属性；“边”则代表实体间的关系，这些关系可以是有向的，也可以是无向的，甚至可以有权重。这样的数据结构使得图数据库能够快速响应复杂关联查询，因为实体间的关系已经提前存储到了数据库中。图数据库的优势在于其丰富的关系和展现方式。它能够直观地可视化关系，是存储、查询、分析高度互联数据的最优办法。图数据库可以应用于多个领域，如社交网络分析、推荐系统、生物信息学、语义网络、金融风控、网络安全、供应链管理、物联网、智慧城市、医疗健康以及电信领域等。在这些领域中，图数据库能够高效地处理复杂的关系网络，提供实时的数据分析和智能决策支持。此外，图数据库还支持ACID事务，确保数据的一致性和完整性。它通常不需要预定义的模式，可以灵活地添加或修改数据结构。图数据库还提供了图查询语言，用于查询和操作图数据。同时，图数据库通常提供对节点和边的属性进行索引的能力，以提高查询效率。在选择图数据库时，需要考虑多个因素，包括项目的开源性

图数据库（GraphDatabase）是一种非关系型数据库，它以点（节点）和边为基础存储单元，设计原理在于高效存储和查询图数据。在图数据库中，“点”代表实体，如人员、企业等，可以存储各种属性；“边”则代表实体间的关系，这些关系可以是有向的，也可以是无向的，甚至可以有权重。这样的数据结构使得图数据库能够快速响应复杂关联查询，因为实体间的关系已经提前存储到了数据库中。图数据库的优势在于其丰富的关系和展现方式。它能够直观地可视化关系，是存储、查询、分析高度互联数据的最优办法。图数据库可以应用于多个领域，如社交网络分析、推荐系统、生物信息学、语义网络、金融风控、网络安全、供应链管理、物联网、智慧城市、医疗健康以及电信领域等。在这些领域中，图数据库能够高效地处理复杂的关系网络，提供实时的数据分析和智能决策支持。此外，图数据库还支持ACID事务，确保数据的一致性和完整性。它通常不需要预定义的模式，可以灵活地添加或修改数据结构。图数据库还提供了图查询语言，用于查询和操作图数据。同时，图数据库通常提供对节点和边的属性进行索引的能力，以提高查询效率。在选择图数据库时，需要考虑多个因素，包括项目的开源性

图数据库的原理主要基于图论，它以点（节点）和边为基础存储单元，旨在高效存储和查询图数据。图数据库基本概念‌点（节点）‌：在图数据库中，点代表实体，如人员、企业、账户等。每个点都可以存储各种属性，如用户名、电子邮件地址等。‌边‌：边代表实体之间的关系，这些关系可以是有向的，也可以是无向的。边还可以有权重，表示关系的强度或重要性。图数据库数据结构图数据库采用图数据结构来存储数据，这种结构直接存储了节点之间的依赖关系。与关系型数据库相比，图数据库不需要通过外键或连接表来表示关系，而是将关系作为数据的一部分进行存储。这种数据结构使得图数据库能够快速响应复杂关联查询。图数据库工作原理‌存储‌：图数据库将节点和边存储为图结构中的元素。节点存储实体数据，边存储关系数据。同时，节点和边都可以附加属性，以提供更多上下文信息。‌查询‌：图数据库通常提供专门的图查询语言。这些查询语言允许用户通过节点和边的关系来查询数据。由于关系已经提前存储到数据库中，因此查询过程非常高效。‌分析‌：图数据库还支持复杂的图分析操作，如路径查找、社区发现、影响力分析等。这些操作可以帮助用户深入理解数据之间的关系，并发现潜在的

图数据库（GraphDatabase）是一种非关系型数据库，它以点（节点）和边为基础存储单元，设计原理在于高效存储和查询图数据。在图数据库中，“点”代表实体，如人员、企业等，可以存储各种属性；“边”则代表实体间的关系，这些关系可以是有向的，也可以是无向的，甚至可以有权重。这样的数据结构使得图数据库能够快速响应复杂关联查询，因为实体间的关系已经提前存储到了数据库中。图数据库的优势在于其丰富的关系和展现方式。它能够直观地可视化关系，是存储、查询、分析高度互联数据的最优办法。图数据库可以应用于多个领域，如社交网络分析、推荐系统、生物信息学、语义网络、金融风控、网络安全、供应链管理、物联网、智慧城市、医疗健康以及电信领域等。在这些领域中，图数据库能够高效地处理复杂的关系网络，提供实时的数据分析和智能决策支持。此外，图数据库还支持ACID事务，确保数据的一致性和完整性。它通常不需要预定义的模式，可以灵活地添加或修改数据结构。图数据库还提供了图查询语言，用于查询和操作图数据。同时，图数据库通常提供对节点和边的属性进行索引的能力，以提高查询效率。在选择图数据库时，需要考虑多个因素，包括项目的开源性

图数据库的原理主要基于图论，它以点（节点）和边为基础存储单元，旨在高效存储和查询图数据。图数据库基本概念‌点（节点）‌：在图数据库中，点代表实体，如人员、企业、账户等。每个点都可以存储各种属性，如用户名、电子邮件地址等。‌边‌：边代表实体之间的关系，这些关系可以是有向的，也可以是无向的。边还可以有权重，表示关系的强度或重要性。图数据库数据结构图数据库采用图数据结构来存储数据，这种结构直接存储了节点之间的依赖关系。与关系型数据库相比，图数据库不需要通过外键或连接表来表示关系，而是将关系作为数据的一部分进行存储。这种数据结构使得图数据库能够快速响应复杂关联查询。图数据库工作原理‌存储‌：图数据库将节点和边存储为图结构中的元素。节点存储实体数据，边存储关系数据。同时，节点和边都可以附加属性，以提供更多上下文信息。‌查询‌：图数据库通常提供专门的图查询语言。这些查询语言允许用户通过节点和边的关系来查询数据。由于关系已经提前存储到数据库中，因此查询过程非常高效。‌分析‌：图数据库还支持复杂的图分析操作，如路径查找、社区发现、影响力分析等。这些操作可以帮助用户深入理解数据之间的关系，并发现潜在的

图数据库的原理主要基于图论，它以点（节点）和边为基础存储单元，旨在高效存储和查询图数据。图数据库基本概念‌点（节点）‌：在图数据库中，点代表实体，如人员、企业、账户等。每个点都可以存储各种属性，如用户名、电子邮件地址等。‌边‌：边代表实体之间的关系，这些关系可以是有向的，也可以是无向的。边还可以有权重，表示关系的强度或重要性。图数据库数据结构图数据库采用图数据结构来存储数据，这种结构直接存储了节点之间的依赖关系。与关系型数据库相比，图数据库不需要通过外键或连接表来表示关系，而是将关系作为数据的一部分进行存储。这种数据结构使得图数据库能够快速响应复杂关联查询。图数据库工作原理‌存储‌：图数据库将节点和边存储为图结构中的元素。节点存储实体数据，边存储关系数据。同时，节点和边都可以附加属性，以提供更多上下文信息。‌查询‌：图数据库通常提供专门的图查询语言。这些查询语言允许用户通过节点和边的关系来查询数据。由于关系已经提前存储到数据库中，因此查询过程非常高效。‌分析‌：图数据库还支持复杂的图分析操作，如路径查找、社区发现、影响力分析等。这些操作可以帮助用户深入理解数据之间的关系，并发现潜在的

图数据库的原理主要基于图论，它以点（节点）和边为基础存储单元，旨在高效存储和查询图数据。图数据库基本概念‌点（节点）‌：在图数据库中，点代表实体，如人员、企业、账户等。每个点都可以存储各种属性，如用户名、电子邮件地址等。‌边‌：边代表实体之间的关系，这些关系可以是有向的，也可以是无向的。边还可以有权重，表示关系的强度或重要性。图数据库数据结构图数据库采用图数据结构来存储数据，这种结构直接存储了节点之间的依赖关系。与关系型数据库相比，图数据库不需要通过外键或连接表来表示关系，而是将关系作为数据的一部分进行存储。这种数据结构使得图数据库能够快速响应复杂关联查询。图数据库工作原理‌存储‌：图数据库将节点和边存储为图结构中的元素。节点存储实体数据，边存储关系数据。同时，节点和边都可以附加属性，以提供更多上下文信息。‌查询‌：图数据库通常提供专门的图查询语言。这些查询语言允许用户通过节点和边的关系来查询数据。由于关系已经提前存储到数据库中，因此查询过程非常高效。‌分析‌：图数据库还支持复杂的图分析操作，如路径查找、社区发现、影响力分析等。这些操作可以帮助用户深入理解数据之间的关系，并发现潜在的

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。...

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...

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...

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":...