图数据库集群

解锁图数据库企业版：强大功能，重塑数据管理格局图数据库企业版，功能大揭秘（一）强大的集群管理图数据库企业版通常采用分布式集群架构，这种架构就像是一个高效协作的团队，由多个节点共同承担数据存储和处理的任务。通过分布式集群架构，图数据库能够轻松应对海量数据的存储和高并发的查询请求。在一些关键业务场景中，多主集群模式发挥着重要作用。在金融交易系统中，交易数据的处理要求极高的实时性和可靠性。多主集群模式的性能优化图数据库企业版采用列存索引技术，这种技术与传统的行存索引不同，它将数据按列存储，能够显著提高查询性能。在处理大规模数据分析任务时，列存索引可以快速定位到所需的数据列，避免了对整行数据的扫描处理器核心上同时执行，从而大大缩短了查询时间。事务系统优化也是图数据库企业版的一大亮点。在企业级应用中，事务的一致性和完整性至关重要。图数据库企业版通过优化事务处理机制，确保了在高并发环境下事务的正确执行。（三）可靠的备份与恢复数据备份是保障企业数据安全的重要手段。图数据库企业版提供了多种数据备份方式，如全量备份、增量备份等。全量备份就像是给数据库拍了一张完整的照片，将数据库中的所有数据都复制到

解锁图数据库企业版：强大功能，重塑数据管理格局图数据库企业版，功能大揭秘（一）强大的集群管理图数据库企业版通常采用分布式集群架构，这种架构就像是一个高效协作的团队，由多个节点共同承担数据存储和处理的任务。通过分布式集群架构，图数据库能够轻松应对海量数据的存储和高并发的查询请求。在一些关键业务场景中，多主集群模式发挥着重要作用。在金融交易系统中，交易数据的处理要求极高的实时性和可靠性。多主集群模式的性能优化图数据库企业版采用列存索引技术，这种技术与传统的行存索引不同，它将数据按列存储，能够显著提高查询性能。在处理大规模数据分析任务时，列存索引可以快速定位到所需的数据列，避免了对整行数据的扫描处理器核心上同时执行，从而大大缩短了查询时间。事务系统优化也是图数据库企业版的一大亮点。在企业级应用中，事务的一致性和完整性至关重要。图数据库企业版通过优化事务处理机制，确保了在高并发环境下事务的正确执行。（三）可靠的备份与恢复数据备份是保障企业数据安全的重要手段。图数据库企业版提供了多种数据备份方式，如全量备份、增量备份等。全量备份就像是给数据库拍了一张完整的照片，将数据库中的所有数据都复制到

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。

时序数据库集群是一种将多台时序数据库服务器组成一个集群的架构，通过合理的划分数据和负载，提高系统的可靠性、可扩展性和性能。以下是时序数据库集群的一些关键技术和应用：集群方案主从复制集群：这种方案中性能和可扩展性。数据复制：采用数据复制技术实现数据的冗余备份，提高系统的可靠性和容错能力。应用场景物联网监控：在物联网中，时序数据库集群可以用于存储和分析大量的传感器数据，支持设备状态监测、故障诊断和，有一个主节点负责接收写入操作，并将数据同步到所有的从节点上。从节点只负责读取操作，并定期从主节点同步数据。这种方案简单可靠，适用于读多写少的场景。分片集群：将数据分成多个片段，每个片段存储在不同的节点上。每个节点负责管理一部分数据。读取操作可以在任何节点上进行，而写入操作则需要经过一个协调节点来决定将数据存储在哪个节点上。这种方案可以实现水平扩展，适用于大规模数据存储和高并发读写的场景。副本集群：每个节点都存储完整的数据副本。写入操作同时发送给多个节点，确保数据的一致性和可靠性。读取操作可以在任何节点上进行，提高了读取的并发能力。混合集群：结合了主从复制和分片集群的特点，根据实际需求进行灵活

时序数据库集群是一种将多台时序数据库服务器组成一个集群的架构，通过合理的划分数据和负载，提高系统的可靠性、可扩展性和性能。以下是时序数据库集群的一些关键技术和应用：集群方案主从复制集群：这种方案中性能和可扩展性。数据复制：采用数据复制技术实现数据的冗余备份，提高系统的可靠性和容错能力。应用场景物联网监控：在物联网中，时序数据库集群可以用于存储和分析大量的传感器数据，支持设备状态监测、故障诊断和，有一个主节点负责接收写入操作，并将数据同步到所有的从节点上。从节点只负责读取操作，并定期从主节点同步数据。这种方案简单可靠，适用于读多写少的场景。分片集群：将数据分成多个片段，每个片段存储在不同的节点上。每个节点负责管理一部分数据。读取操作可以在任何节点上进行，而写入操作则需要经过一个协调节点来决定将数据存储在哪个节点上。这种方案可以实现水平扩展，适用于大规模数据存储和高并发读写的场景。副本集群：每个节点都存储完整的数据副本。写入操作同时发送给多个节点，确保数据的一致性和可靠性。读取操作可以在任何节点上进行，提高了读取的并发能力。混合集群：结合了主从复制和分片集群的特点，根据实际需求进行灵活

时序数据库集群是一种将多台时序数据库服务器组成一个集群的架构，通过合理的划分数据和负载，提高系统的可靠性、可扩展性和性能。以下是时序数据库集群的一些关键技术和应用：集群方案主从复制集群：这种方案中性能和可扩展性。数据复制：采用数据复制技术实现数据的冗余备份，提高系统的可靠性和容错能力。应用场景物联网监控：在物联网中，时序数据库集群可以用于存储和分析大量的传感器数据，支持设备状态监测、故障诊断和，有一个主节点负责接收写入操作，并将数据同步到所有的从节点上。从节点只负责读取操作，并定期从主节点同步数据。这种方案简单可靠，适用于读多写少的场景。分片集群：将数据分成多个片段，每个片段存储在不同的节点上。每个节点负责管理一部分数据。读取操作可以在任何节点上进行，而写入操作则需要经过一个协调节点来决定将数据存储在哪个节点上。这种方案可以实现水平扩展，适用于大规模数据存储和高并发读写的场景。副本集群：每个节点都存储完整的数据副本。写入操作同时发送给多个节点，确保数据的一致性和可靠性。读取操作可以在任何节点上进行，提高了读取的并发能力。混合集群：结合了主从复制和分片集群的特点，根据实际需求进行灵活

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。

级子图计算效率达到行业先进水平。企业级功能：支持用户权限认证、集群状态监控、日志审计、数据加密、计算资源管控、备份恢复等完备的企业级数据库功能。强大的可视化能力：StellarDB的可视化界面支持2D图数据库是一种用于处理图形数据的特殊类型的数据库。它们旨在存储和管理关系和连接，具有比其他类型的数据库更强大的能力。目前国内有众多优秀图数据库产品，星环科技图数据库产品StellarDB其中之一。TranswarpStellarDB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和3D的图可视化展示，集成批量导入、备份恢复、状态监控、参数配置、重建副本等图数据库常用功能。凭借优异的产品性能和出色的落地表现，StellarDB获得了多家行业权威机构认可，StellarDB被国际权威研究分析机构Gartner列入2022年发布的《中国数据库市场指南》中，于2020年首批通过了中国信息通信研究院《图数据库基础能力评测》，并支持国产化硬件和操作系统部署。

级子图计算效率达到行业先进水平。企业级功能：支持用户权限认证、集群状态监控、日志审计、数据加密、计算资源管控、备份恢复等完备的企业级数据库功能。强大的可视化能力：StellarDB的可视化界面支持2D图数据库是一种用于处理图形数据的特殊类型的数据库。它们旨在存储和管理关系和连接，具有比其他类型的数据库更强大的能力。目前国内有众多优秀图数据库产品，星环科技图数据库产品StellarDB其中之一。TranswarpStellarDB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和3D的图可视化展示，集成批量导入、备份恢复、状态监控、参数配置、重建副本等图数据库常用功能。凭借优异的产品性能和出色的落地表现，StellarDB获得了多家行业权威机构认可，StellarDB被国际权威研究分析机构Gartner列入2022年发布的《中国数据库市场指南》中，于2020年首批通过了中国信息通信研究院《图数据库基础能力评测》，并支持国产化硬件和操作系统部署。

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...

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...

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...

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"}...

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

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。...