建立数据仓库

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

数据仓库是面向主题、不可更新、随时间不断变化的数据集合，用于支持企业或组织的决策分析处理。为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库。数据仓库用于将来自多个源的组织，并且可以提供大量的实时分析。数据仓库还提供了新型交互式方式，帮助用户快速筛选出数据，并可轻松地组织成报告和可视化内容。此外，数据仓库能够提升数据质量和一致性。通过建立统一的数据模型和数据清洗大量数据存储在一个中央位置。由于数据通常由不同的应用程序和业务过程生成，因此数据通常涉及不同的主题和格式。数据仓库的目的是将数据转换为企业可以使用的格式，并使用统一的数据模型进行表示。这使得数据变得容易访问，可用性高，并且可以直地表示。收集数据并将其转换为可以直观展现的格式是数据仓库的主要目标。这项工作通常在ETL（抽取、转换和加载）过程中完成。在该过程中，数据从源提取，进行必要的转换和加工，然后将其加载到数据仓库中。由于数据仓库数据通常是集中存储的，因此它易于管理和更新。数据仓库中的数据需要针对应用程序进行预处理，并且需要通过各种报告和分析工具进行分析。分析工具可以将数据按任何特定角度进行

什么是数据仓库？数据仓库（DataWarehouse）是指在不同的来源数据系统中，通过数据集成和清理方式将企业内部多源异构数据集成，建立统一的企业级数据架构，提供多样化的数据查询、分析、挖掘等业务应用的集中化存储方式。数据仓库可以作为大数据分析和决策支持系统的基础，对于企业的业务管理、战略决策具有很大的帮助作用。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。面对高速增长的数据规模，传统的数据仓库负荷严重超出。不扩容会影响性能与稳定性，但是扩容却十分昂贵。星环数据仓库解决方案广泛应用于金融、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。多模型数据库：支持关系型、搜索、文本、对象等数据模型支持超大规模集群：天然分布式架构，集群节点规模无上限，数据存储容量随节点规模线性扩容，可支持2000+节点集群完整的SQL支持：支持完整的SQL标准语法，兼容Oracle、IBMDB2、Teradata方言，兼容Oracle和DB2的存储过程，支持业务平滑迁移混合负载支持：支持实时数据与混合负载，支持海量数据的离线批量处理、在线

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：

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

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。...

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•...

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"}...

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":...

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。

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...

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