数据仓库中存储结构

，是数据从源系统到数据仓库的桥梁。数据仓库层：这是数据仓库的核心部分，负责存储经过ETL处理后的数据。数据仓库层通常采用星型模式、雪花模式或混合模式等数据结构来组织数据，以便支持高效的数据查询和分析。同时，数据仓库层还具备数据压缩、索引优化、分区管理等高级功能，以提高数据存储和查询的性能。数据集市层：数据集市层是数据仓库的延伸和补充，它根据特定的业务需求和数据使用场景，从数据仓库层中提取和整合相关数据仓库的结构通常包括以下几个主要组成部分：数据源层：这是数据仓库的起点，包含了企业内部各种异构的数据源，如关系数据库、非关系数据库、文件系统、Web数据等。这些数据源是数据仓库数据的原始来源，也是分析、数据挖掘等，它们直接与用户交互，提供数据查询、分析和可视化等功能。元数据中心：元数据中心负责管理数据仓库中的元数据信息，包括数据集的描述、属性、关系等信息。通过元数据中心，可以实现对数据仓库中数据的全面了解和管理。数据服务：数据仓库提供了多种数据服务，如数据查询、数据分析、数据挖掘等。这些数据服务帮助业务部门更好地了解客户需求，制定更精准的营销策略，提高银行的业务效益。数据安全与权限管理：在数据仓库

，是数据从源系统到数据仓库的桥梁。数据仓库层：这是数据仓库的核心部分，负责存储经过ETL处理后的数据。数据仓库层通常采用星型模式、雪花模式或混合模式等数据结构来组织数据，以便支持高效的数据查询和分析。同时，数据仓库层还具备数据压缩、索引优化、分区管理等高级功能，以提高数据存储和查询的性能。数据集市层：数据集市层是数据仓库的延伸和补充，它根据特定的业务需求和数据使用场景，从数据仓库层中提取和整合相关数据仓库的结构通常包括以下几个主要组成部分：数据源层：这是数据仓库的起点，包含了企业内部各种异构的数据源，如关系数据库、非关系数据库、文件系统、Web数据等。这些数据源是数据仓库数据的原始来源，也是分析、数据挖掘等，它们直接与用户交互，提供数据查询、分析和可视化等功能。元数据中心：元数据中心负责管理数据仓库中的元数据信息，包括数据集的描述、属性、关系等信息。通过元数据中心，可以实现对数据仓库中数据的全面了解和管理。数据服务：数据仓库提供了多种数据服务，如数据查询、数据分析、数据挖掘等。这些数据服务帮助业务部门更好地了解客户需求，制定更精准的营销策略，提高银行的业务效益。数据安全与权限管理：在数据仓库

，是数据从源系统到数据仓库的桥梁。数据仓库层：这是数据仓库的核心部分，负责存储经过ETL处理后的数据。数据仓库层通常采用星型模式、雪花模式或混合模式等数据结构来组织数据，以便支持高效的数据查询和分析。同时，数据仓库层还具备数据压缩、索引优化、分区管理等高级功能，以提高数据存储和查询的性能。数据集市层：数据集市层是数据仓库的延伸和补充，它根据特定的业务需求和数据使用场景，从数据仓库层中提取和整合相关数据仓库的结构通常包括以下几个主要组成部分：数据源层：这是数据仓库的起点，包含了企业内部各种异构的数据源，如关系数据库、非关系数据库、文件系统、Web数据等。这些数据源是数据仓库数据的原始来源，也是分析、数据挖掘等，它们直接与用户交互，提供数据查询、分析和可视化等功能。元数据中心：元数据中心负责管理数据仓库中的元数据信息，包括数据集的描述、属性、关系等信息。通过元数据中心，可以实现对数据仓库中数据的全面了解和管理。数据服务：数据仓库提供了多种数据服务，如数据查询、数据分析、数据挖掘等。这些数据服务帮助业务部门更好地了解客户需求，制定更精准的营销策略，提高银行的业务效益。数据安全与权限管理：在数据仓库

库、文件系统、日志文件、第三方数据接口等。数据源层的数据通常是实时更新的，反映了企业的即时业务状态。这一层的数据可能分散在不同的系统中，格式和结构各异。数据仓库层：数据仓库层是数据从源系统经过抽取、清洗、转换数据仓库的三层体系结构是一种经典的架构设计，它将数据仓库分为三个主要层次：数据源层、数据仓库层和数据访问层。以下是这三个层次的详细描述：数据源层：这一层包括所有的原始数据源，可以是关系型数据和加载（ETL）后存储的地方。这一层通常包含经过整合的数据，以支持企业级的分析和报告。数据仓库层的数据通常按照主题组织，如销售、财务、客户服务等，每个主题对应一个或多个数据模型。数据访问层：数据访问层。用户通过这一层访问数据，进行决策支持、业务分析和报告生成。这种三层体系结构的优点包括：解耦：数据源层的变化不直接影响数据仓库层和数据访问层，提高了系统的灵活性和可维护性。性能优化：通过在数据仓库层是用户与数据仓库交互的地方，包括报表、数据分析、数据挖掘等。这一层可能包含数据集市，它们是数据仓库的子集，专为特定的业务线或部门定制。数据访问层还可能包括数据立方体、聚合表和物化视图等，以优化查询性能

库、文件系统、日志文件、第三方数据接口等。数据源层的数据通常是实时更新的，反映了企业的即时业务状态。这一层的数据可能分散在不同的系统中，格式和结构各异。数据仓库层：数据仓库层是数据从源系统经过抽取、清洗、转换数据仓库的三层体系结构是一种经典的架构设计，它将数据仓库分为三个主要层次：数据源层、数据仓库层和数据访问层。以下是这三个层次的详细描述：数据源层：这一层包括所有的原始数据源，可以是关系型数据和加载（ETL）后存储的地方。这一层通常包含经过整合的数据，以支持企业级的分析和报告。数据仓库层的数据通常按照主题组织，如销售、财务、客户服务等，每个主题对应一个或多个数据模型。数据访问层：数据访问层。用户通过这一层访问数据，进行决策支持、业务分析和报告生成。这种三层体系结构的优点包括：解耦：数据源层的变化不直接影响数据仓库层和数据访问层，提高了系统的灵活性和可维护性。性能优化：通过在数据仓库层是用户与数据仓库交互的地方，包括报表、数据分析、数据挖掘等。这一层可能包含数据集市，它们是数据仓库的子集，专为特定的业务线或部门定制。数据访问层还可能包括数据立方体、聚合表和物化视图等，以优化查询性能

数据仓库建模是创建数据仓库结构的过程，它涉及设计数据模型以优化数据存储、查询性能和分析效率。以下是数据仓库建模的关键步骤和概念：需求分析：在建模之前，需要与业务团队合作，了解业务需求、报告需求和分析需求。概念性建模：确定数据仓库的主题域，这些是数据仓库中数据的主要分类，如销售、客户、产品等。逻辑建模：设计数据模型的逻辑结构，通常使用实体-关系模型（ER模型）来表示数据实体及其关系。物理建模：将清洗和转换，以提高数据质量。元数据管理：管理数据仓库的元数据，包括数据的定义、来源、结构和使用方式。性能优化：通过索引、分区、物化视图等技术优化查询性能。数据安全和访问控制：确保数据仓库中的数据安全，常用于业务智能和报告。事实建模：以事实为中心的建模方法，关注业务过程中的度量和事件。数据整合：将来自不同源的数据整合到数据仓库中，确保数据的一致性和完整性。数据清洗和转换：在数据进入数据仓库之前，进行数据，实施适当的访问控制。数据仓库的可扩展性和灵活性：设计时考虑未来可能的扩展，以适应业务变化。数据仓库的维护：定期维护数据仓库，包括数据更新、备份和恢复。

库、文件系统、日志文件、第三方数据接口等。数据源层的数据通常是实时更新的，反映了企业的即时业务状态。这一层的数据可能分散在不同的系统中，格式和结构各异。数据仓库层：数据仓库层是数据从源系统经过抽取、清洗、转换数据仓库的三层体系结构是一种经典的架构设计，它将数据仓库分为三个主要层次：数据源层、数据仓库层和数据访问层。以下是这三个层次的详细描述：数据源层：这一层包括所有的原始数据源，可以是关系型数据和加载（ETL）后存储的地方。这一层通常包含经过整合的数据，以支持企业级的分析和报告。数据仓库层的数据通常按照主题组织，如销售、财务、客户服务等，每个主题对应一个或多个数据模型。数据访问层：数据访问层。用户通过这一层访问数据，进行决策支持、业务分析和报告生成。这种三层体系结构的优点包括：解耦：数据源层的变化不直接影响数据仓库层和数据访问层，提高了系统的灵活性和可维护性。性能优化：通过在数据仓库层是用户与数据仓库交互的地方，包括报表、数据分析、数据挖掘等。这一层可能包含数据集市，它们是数据仓库的子集，专为特定的业务线或部门定制。数据访问层还可能包括数据立方体、聚合表和物化视图等，以优化查询性能

数据仓库建模是创建数据仓库结构的过程，它涉及设计数据模型以优化数据存储、查询性能和分析效率。以下是数据仓库建模的关键步骤和概念：需求分析：在建模之前，需要与业务团队合作，了解业务需求、报告需求和分析需求。概念性建模：确定数据仓库的主题域，这些是数据仓库中数据的主要分类，如销售、客户、产品等。逻辑建模：设计数据模型的逻辑结构，通常使用实体-关系模型（ER模型）来表示数据实体及其关系。物理建模：将清洗和转换，以提高数据质量。元数据管理：管理数据仓库的元数据，包括数据的定义、来源、结构和使用方式。性能优化：通过索引、分区、物化视图等技术优化查询性能。数据安全和访问控制：确保数据仓库中的数据安全，常用于业务智能和报告。事实建模：以事实为中心的建模方法，关注业务过程中的度量和事件。数据整合：将来自不同源的数据整合到数据仓库中，确保数据的一致性和完整性。数据清洗和转换：在数据进入数据仓库之前，进行数据，实施适当的访问控制。数据仓库的可扩展性和灵活性：设计时考虑未来可能的扩展，以适应业务变化。数据仓库的维护：定期维护数据仓库，包括数据更新、备份和恢复。

数据仓库建模是创建数据仓库结构的过程，它涉及设计数据模型以优化数据存储、查询性能和分析效率。以下是数据仓库建模的关键步骤和概念：需求分析：在建模之前，需要与业务团队合作，了解业务需求、报告需求和分析需求。概念性建模：确定数据仓库的主题域，这些是数据仓库中数据的主要分类，如销售、客户、产品等。逻辑建模：设计数据模型的逻辑结构，通常使用实体-关系模型（ER模型）来表示数据实体及其关系。物理建模：将清洗和转换，以提高数据质量。元数据管理：管理数据仓库的元数据，包括数据的定义、来源、结构和使用方式。性能优化：通过索引、分区、物化视图等技术优化查询性能。数据安全和访问控制：确保数据仓库中的数据安全，常用于业务智能和报告。事实建模：以事实为中心的建模方法，关注业务过程中的度量和事件。数据整合：将来自不同源的数据整合到数据仓库中，确保数据的一致性和完整性。数据清洗和转换：在数据进入数据仓库之前，进行数据，实施适当的访问控制。数据仓库的可扩展性和灵活性：设计时考虑未来可能的扩展，以适应业务变化。数据仓库的维护：定期维护数据仓库，包括数据更新、备份和恢复。

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

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•...

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...

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。...

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":...

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"}...