数据仓库数据源管理

云数据仓库是使用云技术来提取和存储不同数据源的数据的一种数据仓库。相比于传统的本地数据仓库，云数据仓库具有以下优势：弹性可扩展性:云数据仓库可以根据业务需求快速扩展或缩减计算和存储资源，满足大规模或可变的数据处理要求。简单易用:云数据仓库提供了简单易用的界面和工具，使得数据仓库的创建、管理和使用变得更加方便和快捷。管理简单:云数据仓库由云服务商负责管理硬件、软件和网络等基础设施，企业只需专注于数据分析和应用开发，减少了维护和管理的负担。成本节约:云数据仓库通常采用按需计费的模式，企业只需为实际使用的资源付费，避免了传统数据仓库中购买、配置和维护硬件和软件的投入。云数据仓库能够提供更高的弹性、可伸缩性和简化的管理方式，同时节约成本，使企业能够更加高效地利用数据进行分析和决策。星环数据仓库解决方案星环数据仓库解决方案具备超高性能、高可扩展、易用、高性价比等特性。广泛应用于金融、政企、交通、能源、电信等多个领域，可以满足大数据时代企业构建各类数据仓库的需求。

云数据仓库是使用云技术来提取和存储不同数据源的数据的一种数据仓库。相比于传统的本地数据仓库，云数据仓库具有以下优势：弹性可扩展性:云数据仓库可以根据业务需求快速扩展或缩减计算和存储资源，满足大规模或可变的数据处理要求。简单易用:云数据仓库提供了简单易用的界面和工具，使得数据仓库的创建、管理和使用变得更加方便和快捷。管理简单:云数据仓库由云服务商负责管理硬件、软件和网络等基础设施，企业只需专注于数据分析和应用开发，减少了维护和管理的负担。成本节约:云数据仓库通常采用按需计费的模式，企业只需为实际使用的资源付费，避免了传统数据仓库中购买、配置和维护硬件和软件的投入。云数据仓库能够提供更高的弹性、可伸缩性和简化的管理方式，同时节约成本，使企业能够更加高效地利用数据进行分析和决策。星环数据仓库解决方案星环数据仓库解决方案具备超高性能、高可扩展、易用、高性价比等特性。广泛应用于金融、政企、交通、能源、电信等多个领域，可以满足大数据时代企业构建各类数据仓库的需求。

云数据仓库是使用云技术来提取和存储不同数据源的数据的一种数据仓库。相比于传统的本地数据仓库，云数据仓库具有以下优势：弹性可扩展性:云数据仓库可以根据业务需求快速扩展或缩减计算和存储资源，满足大规模或可变的数据处理要求。简单易用:云数据仓库提供了简单易用的界面和工具，使得数据仓库的创建、管理和使用变得更加方便和快捷。管理简单:云数据仓库由云服务商负责管理硬件、软件和网络等基础设施，企业只需专注于数据分析和应用开发，减少了维护和管理的负担。成本节约:云数据仓库通常采用按需计费的模式，企业只需为实际使用的资源付费，避免了传统数据仓库中购买、配置和维护硬件和软件的投入。云数据仓库能够提供更高的弹性、可伸缩性和简化的管理方式，同时节约成本，使企业能够更加高效地利用数据进行分析和决策。星环数据仓库解决方案星环数据仓库解决方案具备超高性能、高可扩展、易用、高性价比等特性。广泛应用于金融、政企、交通、能源、电信等多个领域，可以满足大数据时代企业构建各类数据仓库的需求。

ODS数据仓库，全称为OperationalDataStore，即操作型数据存储。它是数据仓库架构中的重要组成部分，位于数据源系统和数据仓库的数据集市之间，主要用于存储从各个业务系统抽取的原始数据：设计时预留足够的扩展空间，并加强数据安全防护，确保数据在传输、存储和处理过程中的安全性和隐私性。提升数据质量：通过数据清洗和整合，提高数据的准确性和完整性，为后续分析提供高质量数据源。加速数据分析：ODS层的缓存和预处理机制减少了数据仓库核心层的处理负担，提高了数据分析的响应速度。。ODS层也被称为“贴源层”，在数据仓库中扮演着承上启下的角色，它既具有数据仓库的部分特征，也具有OLTP系统的部分特征。ODS层的主要特点和功能包括：数据原貌保持：ODS层保持数据原貌，不做修改，保留组成。数据预处理：在源数据装入ODS层时，会进行去噪、去重、字段命名规范等操作，但不等同于原始数据。数据一致性：确保ODS层中的数据与业务系统中的数据保持一致，避免数据不一致带来的问题。可扩展性与安全性历史数据，起到备份数据的作用。数据压缩与分区：数据一般采用压缩格式存储，并创建分区表，减少集群资源访问数仓的压力，通常按天存储在数仓中。数据组成：ODS层数据由前端埋点日志信息和业务系统数据两部分

ODS数据仓库，全称为OperationalDataStore，即操作型数据存储。它是数据仓库架构中的重要组成部分，位于数据源系统和数据仓库的数据集市之间，主要用于存储从各个业务系统抽取的原始数据：设计时预留足够的扩展空间，并加强数据安全防护，确保数据在传输、存储和处理过程中的安全性和隐私性。提升数据质量：通过数据清洗和整合，提高数据的准确性和完整性，为后续分析提供高质量数据源。加速数据分析：ODS层的缓存和预处理机制减少了数据仓库核心层的处理负担，提高了数据分析的响应速度。。ODS层也被称为“贴源层”，在数据仓库中扮演着承上启下的角色，它既具有数据仓库的部分特征，也具有OLTP系统的部分特征。ODS层的主要特点和功能包括：数据原貌保持：ODS层保持数据原貌，不做修改，保留组成。数据预处理：在源数据装入ODS层时，会进行去噪、去重、字段命名规范等操作，但不等同于原始数据。数据一致性：确保ODS层中的数据与业务系统中的数据保持一致，避免数据不一致带来的问题。可扩展性与安全性历史数据，起到备份数据的作用。数据压缩与分区：数据一般采用压缩格式存储，并创建分区表，减少集群资源访问数仓的压力，通常按天存储在数仓中。数据组成：ODS层数据由前端埋点日志信息和业务系统数据两部分

ODS数据仓库，全称为OperationalDataStore，即操作型数据存储。它是数据仓库架构中的重要组成部分，位于数据源系统和数据仓库的数据集市之间，主要用于存储从各个业务系统抽取的原始数据：设计时预留足够的扩展空间，并加强数据安全防护，确保数据在传输、存储和处理过程中的安全性和隐私性。提升数据质量：通过数据清洗和整合，提高数据的准确性和完整性，为后续分析提供高质量数据源。加速数据分析：ODS层的缓存和预处理机制减少了数据仓库核心层的处理负担，提高了数据分析的响应速度。。ODS层也被称为“贴源层”，在数据仓库中扮演着承上启下的角色，它既具有数据仓库的部分特征，也具有OLTP系统的部分特征。ODS层的主要特点和功能包括：数据原貌保持：ODS层保持数据原貌，不做修改，保留组成。数据预处理：在源数据装入ODS层时，会进行去噪、去重、字段命名规范等操作，但不等同于原始数据。数据一致性：确保ODS层中的数据与业务系统中的数据保持一致，避免数据不一致带来的问题。可扩展性与安全性历史数据，起到备份数据的作用。数据压缩与分区：数据一般采用压缩格式存储，并创建分区表，减少集群资源访问数仓的压力，通常按天存储在数仓中。数据组成：ODS层数据由前端埋点日志信息和业务系统数据两部分

，包括各类关系数据库、文件系统、互联网数据等，是数据仓库的原始素材来源。数据存储与计算层负责清洗、加工数据，构建元数据系统，为后续分析奠定基础。数据仓库由数据源、数据抽取、数据仓库管理、数据集市等核心组件构成。数据抽取是数据进入仓库的关键入口，负责从不同数据源采集数据，并进行清洗、转换，使其符合数据仓库的格式和规范。数据仓库管理系统类似于传统数据库管理系统，负责管理数据仓库中的数据，确保数据的安全性平台的协同共进数据仓库为数据开发平台提供了稳定的数据源和数据存储基础，数据开发平台则为数据仓库的数据更新、处理和价值挖掘提供了高效的工具和手段。两者相互协作，形成一个完整的数据管理与价值创造体系。企业在。同时，时变性让数据仓库涵盖时间维度，企业可以对比不同时期的数据，洞察业务发展趋势，把握市场动态。架构与核心组件数据仓库的基本架构涵盖数据源、数据存储与计算、OLAP服务器和前端工具与应用。数据源广泛解锁数据力量：深入数据仓库与数据开发平台在数字化转型的浪潮中，数据已成为企业的核心资产，驱动着业务决策、创新发展与竞争优势的构建。数据仓库与数据开发平台作为数据管理与价值挖掘的关键工具，正深刻影响

，包括各类关系数据库、文件系统、互联网数据等，是数据仓库的原始素材来源。数据存储与计算层负责清洗、加工数据，构建元数据系统，为后续分析奠定基础。数据仓库由数据源、数据抽取、数据仓库管理、数据集市等核心组件构成。数据抽取是数据进入仓库的关键入口，负责从不同数据源采集数据，并进行清洗、转换，使其符合数据仓库的格式和规范。数据仓库管理系统类似于传统数据库管理系统，负责管理数据仓库中的数据，确保数据的安全性平台的协同共进数据仓库为数据开发平台提供了稳定的数据源和数据存储基础，数据开发平台则为数据仓库的数据更新、处理和价值挖掘提供了高效的工具和手段。两者相互协作，形成一个完整的数据管理与价值创造体系。企业在。同时，时变性让数据仓库涵盖时间维度，企业可以对比不同时期的数据，洞察业务发展趋势，把握市场动态。架构与核心组件数据仓库的基本架构涵盖数据源、数据存储与计算、OLAP服务器和前端工具与应用。数据源广泛解锁数据力量：深入数据仓库与数据开发平台在数字化转型的浪潮中，数据已成为企业的核心资产，驱动着业务决策、创新发展与竞争优势的构建。数据仓库与数据开发平台作为数据管理与价值挖掘的关键工具，正深刻影响

各种不同的数据源，如关系型数据库、文件系统、数据采集工具等。在数据仓库中，数据通常按照一定时间范围或业务主题进行划分，并且经过清洗、整合和转化，以统一的数据视图呈现。数据仓库的架构通常分为三层：数据源数据仓库（DataWarehouse）是一个用于长期存储历史数据并支持在线分析处理（OLAP）的系统。它是一个面向主题的、集成的、非易失性的数据集合，旨在帮助企业做出决策支持。数据仓库中的数据来源于层、数据仓库层和数据应用层。数据仓库层是中央存储数据的地方，也是OLAP查询的目标区域。数据应用层则是企业内部或外部用户使用的各种报表和分析工具。星环数据仓库解决方案星环数据仓库解决方案具备超高性能、高可扩展、易用、高性价比等特性。广泛应用于金融、政企、交通、能源、电信等多个领域，可以满足大数据时代企业构建各类数据仓库的需求。数据仓库架构图优势强大的数据处理能力：采用向量化加速，高性能的分析计算的数仓开发工具，支持数据整合、工作流调度、数据治理以及报表工具等数据业务，提供可视化工具进行数据特征分析，探索数据间关系，大大提高数据仓库的开发效率丰富的数据类型的支持：支持多种类型的数据，提供大规模数据

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":...

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•...

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