数据安全检查

查看指定时间段内的硬件资源使用情况，如CPU、内存、磁盘等，遇到异常波动再深入排查。图3.3.2：硬件资源使用率检查数据库性能，发现慢SQL和高耗时的操作，为SQL调优提供参考数据。在;规则，可根据需要设置是否开启各类告警时间并设置阈值，后续可在事件页面中查看触发过的告警记录。图3.3.5：告警规则设置检查数据备份状态，确保数据备份的可靠性和完整性，避免因数据丢失或损坏导致无法恢复除自动巡检外，您还可以对机器/服务状态、SQL性能、备份情况等进行手动检查，确保ArgoDB的稳定运行和高可用性。操作步骤登录TranswarpManager。检查服务的运行状态，及时发现服务故障或：服务已关闭，可单击启动图标启动该服务图标为黄色：服务运行中，但健康检查异常，可单击该服务并查看服务状态详细日志。图标为红色：服务不可用，如健康检查失败，可单击该服务并查看服务状态详细日志。更多关于服务的相关运维操作介绍，见管理服务。检查集群资源使用情况，包括CPU、内存、磁盘等，帮助您及时发现机器的资源瓶颈或故障，避免因机器故障导致服务中断的风险。在左侧导航栏，选择仪表盘>热点图，可快速

查看指定时间段内的硬件资源使用情况，如CPU、内存、磁盘等，遇到异常波动再深入排查。图3.3.2：硬件资源使用率检查数据库性能，发现慢SQL和高耗时的操作，为SQL调优提供参考数据。在;规则，可根据需要设置是否开启各类告警时间并设置阈值，后续可在事件页面中查看触发过的告警记录。图3.3.5：告警规则设置检查数据备份状态，确保数据备份的可靠性和完整性，避免因数据丢失或损坏导致无法恢复除自动巡检外，您还可以对机器/服务状态、SQL性能、备份情况等进行手动检查，确保ArgoDB的稳定运行和高可用性。操作步骤登录TranswarpManager。检查服务的运行状态，及时发现服务故障或：服务已关闭，可单击启动图标启动该服务图标为黄色：服务运行中，但健康检查异常，可单击该服务并查看服务状态详细日志。图标为红色：服务不可用，如健康检查失败，可单击该服务并查看服务状态详细日志。更多关于服务的相关运维操作介绍，见管理服务。检查集群资源使用情况，包括CPU、内存、磁盘等，帮助您及时发现机器的资源瓶颈或故障，避免因机器故障导致服务中断的风险。在左侧导航栏，选择仪表盘>热点图，可快速

查看指定时间段内的硬件资源使用情况，如CPU、内存、磁盘等，遇到异常波动再深入排查。图3.3.2：硬件资源使用率检查数据库性能，发现慢SQL和高耗时的操作，为SQL调优提供参考数据。在;规则，可根据需要设置是否开启各类告警时间并设置阈值，后续可在事件页面中查看触发过的告警记录。图3.3.5：告警规则设置检查数据备份状态，确保数据备份的可靠性和完整性，避免因数据丢失或损坏导致无法恢复除自动巡检外，您还可以对机器/服务状态、SQL性能、备份情况等进行手动检查，确保ArgoDB的稳定运行和高可用性。操作步骤登录TranswarpManager。检查服务的运行状态，及时发现服务故障或：服务已关闭，可单击启动图标启动该服务图标为黄色：服务运行中，但健康检查异常，可单击该服务并查看服务状态详细日志。图标为红色：服务不可用，如健康检查失败，可单击该服务并查看服务状态详细日志。更多关于服务的相关运维操作介绍，见管理服务。检查集群资源使用情况，包括CPU、内存、磁盘等，帮助您及时发现机器的资源瓶颈或故障，避免因机器故障导致服务中断的风险。在左侧导航栏，选择仪表盘>热点图，可快速

。检查数据收集过程中是否采取了适当的安全措施，防止数据在传输过程中被窃取或篡改。数据存储阶段考查存储数据的服务器或云平台的安全性，包括访问控制机制、加密技术的使用等，确保数据不会被未授权访问。验证是否对敏感数据进行了特殊的保护处理，如加密存储或脱敏处理。数据使用阶段检查在大模型训练和推理过程中是否会泄露数据隐私，例如是否会通过生成的内容反向推测出训练数据中的敏感信息。（二）内容安全有害内容生成检测大用户在实际使用过程中可能会遇到各种安全问题。（三）安全审计定期开展安全审计，检查大模型的整个生命周期，包括数据处理、模型训练、部署和应用等各个环节的安全措施和合规情况。审查大模型开发和运营企业的安全管理制度和流程，确保其有完善的安全保障体系来应对可能出现的安全问题。大模型安全评测是确保大模型可靠、合规和安全应用的关键环节。评测的目标与重要性目标评估大模型在各种应用场景下可能带来的安全风险，包括数据隐私泄露、生成有害内容、被恶意利用等方面的风险。确定大模型是否稳定运行。有助于建立用户对大模型的信任，避免因安全问题导致的社会负面影响和法律责任。评测的主要内容（一）数据安全数据收集阶段评估数据来源是否合法合规，是否获得了数据所有者的明确授权，避免数据侵权问题

。检查数据收集过程中是否采取了适当的安全措施，防止数据在传输过程中被窃取或篡改。数据存储阶段考查存储数据的服务器或云平台的安全性，包括访问控制机制、加密技术的使用等，确保数据不会被未授权访问。验证是否对敏感数据进行了特殊的保护处理，如加密存储或脱敏处理。数据使用阶段检查在大模型训练和推理过程中是否会泄露数据隐私，例如是否会通过生成的内容反向推测出训练数据中的敏感信息。（二）内容安全有害内容生成检测大用户在实际使用过程中可能会遇到各种安全问题。（三）安全审计定期开展安全审计，检查大模型的整个生命周期，包括数据处理、模型训练、部署和应用等各个环节的安全措施和合规情况。审查大模型开发和运营企业的安全管理制度和流程，确保其有完善的安全保障体系来应对可能出现的安全问题。大模型安全评测是确保大模型可靠、合规和安全应用的关键环节。评测的目标与重要性目标评估大模型在各种应用场景下可能带来的安全风险，包括数据隐私泄露、生成有害内容、被恶意利用等方面的风险。确定大模型是否稳定运行。有助于建立用户对大模型的信任，避免因安全问题导致的社会负面影响和法律责任。评测的主要内容（一）数据安全数据收集阶段评估数据来源是否合法合规，是否获得了数据所有者的明确授权，避免数据侵权问题

设备等情况进行审计。审计人员要检查并评估企业是否建立了科学、规范的数据管理制度，是否按照制度要求进行数据备份和恢复以及权限控制是否严格、网络安全设备是否到位等。对于外部，数据安全审计主要涉及对数据数据安全审计是指对各类数据安全管理措施的合规性进行评估和审查的过程。随着信息化程度的提高，各类组和企业的数据存储量持续增长，数据安全问题也日突出。数据安全审计则是保障数据安全的一种重要手段，通过对数据存储、传输、处理和使用等环节的合规性评估，为组织和企业提供科学的安全管理案。数据安全审计包括对内部和外部的数据安全管理进行综合审查。对于内部，主包括对数据管理制度、数据备份和恢复、权限控制、网络安全传输和处理机构的合规性进行评估。企业通过网络等方式对外部机构进行数据的传输和处理，这些机构是否具备相应的安全保障能力是企业选择的依据。数据安全审计会对这些机构的技术设施、安全管理制度、数据传输和处理过程等进行审计，以评估机构的安全能力。数据安全审计有助于发现和解决数据安全问题。通过审计，可以找出企业数据存储、传输和处理中的安全漏洞，提供相应的安全改进方案。同时，审计还能评估安全措施的有效性，判断

设备等情况进行审计。审计人员要检查并评估企业是否建立了科学、规范的数据管理制度，是否按照制度要求进行数据备份和恢复以及权限控制是否严格、网络安全设备是否到位等。对于外部，数据安全审计主要涉及对数据数据安全审计是指对各类数据安全管理措施的合规性进行评估和审查的过程。随着信息化程度的提高，各类组和企业的数据存储量持续增长，数据安全问题也日突出。数据安全审计则是保障数据安全的一种重要手段，通过对数据存储、传输、处理和使用等环节的合规性评估，为组织和企业提供科学的安全管理案。数据安全审计包括对内部和外部的数据安全管理进行综合审查。对于内部，主包括对数据管理制度、数据备份和恢复、权限控制、网络安全传输和处理机构的合规性进行评估。企业通过网络等方式对外部机构进行数据的传输和处理，这些机构是否具备相应的安全保障能力是企业选择的依据。数据安全审计会对这些机构的技术设施、安全管理制度、数据传输和处理过程等进行审计，以评估机构的安全能力。数据安全审计有助于发现和解决数据安全问题。通过审计，可以找出企业数据存储、传输和处理中的安全漏洞，提供相应的安全改进方案。同时，审计还能评估安全措施的有效性，判断

。检查数据收集过程中是否采取了适当的安全措施，防止数据在传输过程中被窃取或篡改。数据存储阶段考查存储数据的服务器或云平台的安全性，包括访问控制机制、加密技术的使用等，确保数据不会被未授权访问。验证是否对敏感数据进行了特殊的保护处理，如加密存储或脱敏处理。数据使用阶段检查在大模型训练和推理过程中是否会泄露数据隐私，例如是否会通过生成的内容反向推测出训练数据中的敏感信息。（二）内容安全有害内容生成检测大用户在实际使用过程中可能会遇到各种安全问题。（三）安全审计定期开展安全审计，检查大模型的整个生命周期，包括数据处理、模型训练、部署和应用等各个环节的安全措施和合规情况。审查大模型开发和运营企业的安全管理制度和流程，确保其有完善的安全保障体系来应对可能出现的安全问题。大模型安全评测是确保大模型可靠、合规和安全应用的关键环节。评测的目标与重要性目标评估大模型在各种应用场景下可能带来的安全风险，包括数据隐私泄露、生成有害内容、被恶意利用等方面的风险。确定大模型是否稳定运行。有助于建立用户对大模型的信任，避免因安全问题导致的社会负面影响和法律责任。评测的主要内容（一）数据安全数据收集阶段评估数据来源是否合法合规，是否获得了数据所有者的明确授权，避免数据侵权问题

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"}...

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...

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":...

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：

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

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

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