金融数据湖厂商

近日，国际权威IT咨询机构IDC发布《湖仓一体数据平台技术能力评估报告，2023》，从数据管理、数据存储、数据开发、数据安全、工程化落地、生态、覆盖行业等方向进行评估，筛选出10家代表厂商，以期望为企业管理者、技术开发者以及投资者提供建议参考。星环科技凭借新一代湖仓集一体架构技术，入选IDC《湖仓一体数据平台技术能力评估报告》代表厂商。此前星环科技也曾凭借新一代湖仓集一体架构技术入选Gartner《2023年中国数据、分析及人工智能技术成熟度曲线》报告湖仓一体技术领域代表供应商。接连入选IDC、Gartner报告湖仓一体代表供应商，屡获权威认可，充分彰显了星环科技在湖仓一体领域的技术实力和独特优势。星环科技湖仓集一体平台基于统一平台满足数据湖的实时接入、数据仓库的模型架构以及数据集市的在线分析等多种需求，让业务分析师、数据科学家、数据工程师等都能够访问实时数据、历史数据、贴源数据、加工过的数据。基于高性能存储格式Holodesk，只需一种存储格式即可同时满足湖仓集的数据接入、数仓加工和高性能数据分析，降低数据存储冗余，简化数据加工链路，提升业务时效性。同时，基于多种模型数据统一

近日，国际权威IT咨询机构IDC发布《湖仓一体数据平台技术能力评估报告，2023》，从数据管理、数据存储、数据开发、数据安全、工程化落地、生态、覆盖行业等方向进行评估，筛选出10家代表厂商，以期望为企业管理者、技术开发者以及投资者提供建议参考。星环科技凭借新一代湖仓集一体架构技术，入选IDC《湖仓一体数据平台技术能力评估报告》代表厂商。此前星环科技也曾凭借新一代湖仓集一体架构技术入选Gartner《2023年中国数据、分析及人工智能技术成熟度曲线》报告湖仓一体技术领域代表供应商。接连入选IDC、Gartner报告湖仓一体代表供应商，屡获权威认可，充分彰显了星环科技在湖仓一体领域的技术实力和独特优势。星环科技湖仓集一体平台基于统一平台满足数据湖的实时接入、数据仓库的模型架构以及数据集市的在线分析等多种需求，让业务分析师、数据科学家、数据工程师等都能够访问实时数据、历史数据、贴源数据、加工过的数据。基于高性能存储格式Holodesk，只需一种存储格式即可同时满足湖仓集的数据接入、数仓加工和高性能数据分析，降低数据存储冗余，简化数据加工链路，提升业务时效性。同时，基于多种模型数据统一

近日，国际权威IT咨询机构IDC发布《湖仓一体数据平台技术能力评估报告，2023》，从数据管理、数据存储、数据开发、数据安全、工程化落地、生态、覆盖行业等方向进行评估，筛选出10家代表厂商，以期望为企业管理者、技术开发者以及投资者提供建议参考。星环科技凭借新一代湖仓集一体架构技术，入选IDC《湖仓一体数据平台技术能力评估报告》代表厂商。此前星环科技也曾凭借新一代湖仓集一体架构技术入选Gartner《2023年中国数据、分析及人工智能技术成熟度曲线》报告湖仓一体技术领域代表供应商。接连入选IDC、Gartner报告湖仓一体代表供应商，屡获权威认可，充分彰显了星环科技在湖仓一体领域的技术实力和独特优势。星环科技湖仓集一体平台基于统一平台满足数据湖的实时接入、数据仓库的模型架构以及数据集市的在线分析等多种需求，让业务分析师、数据科学家、数据工程师等都能够访问实时数据、历史数据、贴源数据、加工过的数据。基于高性能存储格式Holodesk，只需一种存储格式即可同时满足湖仓集的数据接入、数仓加工和高性能数据分析，降低数据存储冗余，简化数据加工链路，提升业务时效性。同时，基于多种模型数据统一

近日，星环科技凭借新一代湖仓集一体架构技术，入选IDC《湖仓一体数据平台技术能力评估报告》代表厂商。此前星环科技也曾凭借新一代湖仓集一体架构技术入选Gartner《2023年中国数据、分析及人创生态厂商如国产CPU、GPU、操作系统、服务器、中间件等完成兼容适配，基于容器化技术支持异构CPU和多种操作系统混合部署，大化利用资源，让用户逐步实现国产化平滑替代。目前星环科技湖仓集一体平台已经在金融、政府、交通、邮政、医疗、能源等行业以及部分大型国有企业落地应用。平台满足数据湖的实时接入、数据仓库的模型架构以及数据集市的在线分析等多种需求，让业务分析师、数据科学家、数据工程师等都能够访问实时数据、历史数据、贴源数据、加工过的数据。基于高性能存储格式Holodesk，只需一种存储格式即可同时满足湖仓集的数据接入、数仓加工和高性能数据分析，降低数据存储冗余，简化数据加工链路，提升业务时效性。同时，基于多种模型数据统一存储管理（11种数据模型）、统一计算能力、统一接口，实现了数据跨模型的交互能力，帮助用户快速实现复杂业务，加速业务创新。星环科技湖仓集一体平台具体优势主要表现在：统一架构：打破传统Hadoop+MPP混合架构，真正实现湖仓集底层技术架构统一

近日，星环科技凭借新一代湖仓集一体架构技术，入选IDC《湖仓一体数据平台技术能力评估报告》代表厂商。此前星环科技也曾凭借新一代湖仓集一体架构技术入选Gartner《2023年中国数据、分析及人创生态厂商如国产CPU、GPU、操作系统、服务器、中间件等完成兼容适配，基于容器化技术支持异构CPU和多种操作系统混合部署，大化利用资源，让用户逐步实现国产化平滑替代。目前星环科技湖仓集一体平台已经在金融、政府、交通、邮政、医疗、能源等行业以及部分大型国有企业落地应用。平台满足数据湖的实时接入、数据仓库的模型架构以及数据集市的在线分析等多种需求，让业务分析师、数据科学家、数据工程师等都能够访问实时数据、历史数据、贴源数据、加工过的数据。基于高性能存储格式Holodesk，只需一种存储格式即可同时满足湖仓集的数据接入、数仓加工和高性能数据分析，降低数据存储冗余，简化数据加工链路，提升业务时效性。同时，基于多种模型数据统一存储管理（11种数据模型）、统一计算能力、统一接口，实现了数据跨模型的交互能力，帮助用户快速实现复杂业务，加速业务创新。星环科技湖仓集一体平台具体优势主要表现在：统一架构：打破传统Hadoop+MPP混合架构，真正实现湖仓集底层技术架构统一

解读，为企业厂商选型提供参考。星环科技凭借在大模型领域的深耕布局和技术实力，成功入选”大模型厂商全景地图“LLMOps工具、领域大模型、湖仓一体、向量数据库多个板块。爱分析认为，大模型市场从技术架构角度可以划分为基础层、模型层、中间层和应用层。基础层是指为大模型训练推理而提供的基础环境，包括湖仓一体、向量数据库、智算中心、大模型安全流通平台等。模型层是指基础大模型以及微调后的大模型，包括通用大模型工具TKS。预训练大模型方面，发布了金融大模型星环无涯（Infinity）和数据分析大模型星环求索（SoLar）。用户可以通过星环科技自动化知识工程、多模态数据处理等技术，有效降低企业构建自有大模型应用近日，中国领先的产业数字化研究与咨询机构爱分析发布《2023爱分析·大模型厂商全景报告》，综合考虑企业需求、关注度等因素，选取其中7个特定市场进行重点分析，通过对各特定市场的需求分析和代表厂商的能力问答、智能客服、对话式分析等。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务，形成了大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵。在大模型

、低成本、多模态、多功能、高价值、高敏捷、更安全、更灵活的特性，缩短数据流通和价值挖掘流程，金融、互联网、制造、能源、零售、供应链管理将在未来五年完成大规模落地。星环科技实时湖仓平台星环科技基于流动等，湖仓、实时成为用户建设、更新数据平台最关心的方向”，并在报告中给企业用户提出了建议，“为生成式AI做好准备，选择拥有自研大模型的厂商，不要仅考虑数据服务商提供底层的数据存储和管理，这些非常容易被近日，IT市场研究和咨询公司IDC发布《IDCMarketScape：中国实时湖仓市场2024年厂商评估》（Doc#CHC51768224，2024年7月）报告，对13家典型实时湖仓厂商的收入规模、产品技术能力、市场和生态以及未来发展战略等方面进行了综合评估，星环科技位居中国实时湖仓市场领导者类别。报告中指出，“数据量的快速增长、对数据管理需求的升级以及技术架构复杂度和独立开发成本的上升，都推动企业开始越来越多地考虑湖仓一体的管理解决方案。同时，多模数据管理、实时化将会是数据管理服务演进的两个重要方向。”同时，“作为支撑企业数字化转型、发展新质生产力的统一数据底座，实时湖仓解决方案具备低运维

、低成本、多模态、多功能、高价值、高敏捷、更安全、更灵活的特性，缩短数据流通和价值挖掘流程，金融、互联网、制造、能源、零售、供应链管理将在未来五年完成大规模落地。星环科技实时湖仓平台星环科技基于流动等，湖仓、实时成为用户建设、更新数据平台最关心的方向”，并在报告中给企业用户提出了建议，“为生成式AI做好准备，选择拥有自研大模型的厂商，不要仅考虑数据服务商提供底层的数据存储和管理，这些非常容易被近日，IT市场研究和咨询公司IDC发布《IDCMarketScape：中国实时湖仓市场2024年厂商评估》（Doc#CHC51768224，2024年7月）报告，对13家典型实时湖仓厂商的收入规模、产品技术能力、市场和生态以及未来发展战略等方面进行了综合评估，星环科技位居中国实时湖仓市场领导者类别。报告中指出，“数据量的快速增长、对数据管理需求的升级以及技术架构复杂度和独立开发成本的上升，都推动企业开始越来越多地考虑湖仓一体的管理解决方案。同时，多模数据管理、实时化将会是数据管理服务演进的两个重要方向。”同时，“作为支撑企业数字化转型、发展新质生产力的统一数据底座，实时湖仓解决方案具备低运维

解读，为企业厂商选型提供参考。星环科技凭借在大模型领域的深耕布局和技术实力，成功入选”大模型厂商全景地图“LLMOps工具、领域大模型、湖仓一体、向量数据库多个板块。爱分析认为，大模型市场从技术架构角度可以划分为基础层、模型层、中间层和应用层。基础层是指为大模型训练推理而提供的基础环境，包括湖仓一体、向量数据库、智算中心、大模型安全流通平台等。模型层是指基础大模型以及微调后的大模型，包括通用大模型工具TKS。预训练大模型方面，发布了金融大模型星环无涯（Infinity）和数据分析大模型星环求索（SoLar）。用户可以通过星环科技自动化知识工程、多模态数据处理等技术，有效降低企业构建自有大模型应用近日，中国领先的产业数字化研究与咨询机构爱分析发布《2023爱分析·大模型厂商全景报告》，综合考虑企业需求、关注度等因素，选取其中7个特定市场进行重点分析，通过对各特定市场的需求分析和代表厂商的能力问答、智能客服、对话式分析等。星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务，形成了大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵。在大模型

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。

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•...

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":...

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。...

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：

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"}...

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