统一数据仓库

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

什么是统一数据仓库？统一数据库也被称为企业数据仓库，它可以保存一个组织的所有业务信息，并使整个公司都能访问这些信息。如今，大多数公司都在孤立的孤岛中管理数据，而同一组织的不同团队则使用各种数据，就可以执行复杂的查询，而不会与业务系统的事务性操作发生冲突。数据仓库的典型架构由不同的组件组成，在对数据执行某些关键操作后，数据会从一个组件传递到下一个组件。统一数据仓库的结构由数据仓库架构中包含的组件的子集组成，即：数据源、核心DW、数据集市、提取、转换和加载（ETL）流程以及元数据存储库。统一数据仓库重要的好处是，所有数据都基于一个中心前提：因此，无需单独分析数据，就能将其转化为可操作的信息，从而促进决策过程的改进。统一数据仓库的优势数据仓库可为数据提供更多支持，因为它们旨在跟踪、管理和分析信息，为决策支持、分析报告和数据挖掘提供一个良好的环境。统一的数据仓库与其他分析程序携手合作，促进公司发展。公司的所有数据都可随时用于分析和规划目的用户可以存储大量数据和各种参数。这些数据可能来自多个通常互不相关的来源。统一的数据仓库能够完善数据，消除冗余信息，同时提高整体数据质量。将数据操作保持在低水平，将完整性保持在高水平。提供改进的新信息

统一数据底座：打破困境的“金钥匙”（一）定义与内涵统一数据底座，是一种创新的数据管理架构，它就像一个强大的“数据中枢”，将企业内分散在各个角落、不同格式与类型的数据资源，如同百川归海般整合在一起。通过一套标准化的流程和技术手段，对这些数据进行清洗、转换、整合，消除数据之间的差异和矛盾，从而为企业打造一个统一、规范、高质量的数据管理和服务平台。（二）关键特性数据标准统一：统一数据底座致力于建立一灾机制，确保数据在面对各种意外情况时的完整性和可用性。同时，集中存储也为数据的快速检索和分析提供了便利，提高了数据处理的效率。共享应用便捷：统一数据底座为企业内部各部门提供了便捷的数据共享和应用服务了灵活的资源配置和弹性扩展能力，企业可以根据业务量的变化，随时调整数据处理资源，降低运营成本。同时，统一数据底座还具备良好的兼容性和扩展性，能够与企业现有的各类信息系统进行无缝对接，保护企业的信息化投资。套全局通用的数据标准，涵盖数据的定义、格式、编码规则、质量规范等各个方面。无论是客户信息、产品数据还是财务数据，都遵循相同的标准进行收集、存储和处理。存储管理集中：它将企业的各类数据集中存储在一个或多个数据仓库

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"}...

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。

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•...

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

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。...

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":...

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...