大数据系统建设

星环大数据基础平台
星环大数据基础平台(TDH) 是星环自主研发的一站式多模型大数据基础平台,包括多个大数据存储与分析产品,能够存储 PB 级别的海量数据,可以处理包括关系表、文本、时空地理、图数据、文档、时序、图像等在内的多种数据格式,提供高性能的查询搜索、实时分析、统计分析、预测性分析等数据分析功能。目前 TDH 已经在政府、金融、能源、制造业等十多个行业内落地,支撑如金融风控与营销、智慧制造、城市大脑、智慧交通等多种核心行业应用。

大数据系统建设 更多内容

能力提升,加快推进地方和部门“互联网+监管”系统建设并与国家“互联网+监管”系统对接联通,推动形成统一规范、信息共享、协同联动的全国“互联网+监管”体系方面,面临以下问题:一是应用系统建设分散,缺乏整合,持续推进既有平台迭代更新与互联互通,实现全省住房城乡建设行业信息全覆盖,有效提升住房城乡建设领域社会治理能力。解决方案该项目基于星环科技大数据基础平台TDH、分布式交易型数据库KunDB、大数据目标,降低数据建设成本,提高政务办理效率,提升“放管服”能力。3.实现数据的“资产化”,实现从查询、统计等“浅层”利用方式到推演、预测等“大数据”分析方式的转变,实现规划数据的科学辅助决策,数据的“资产化”,发挥数据资源重要价值。为表彰使用大数据、人工智能等基础软件为企业、行业或世界做出杰出贡献和巨大创新的标杆项目,星环科技自2021年推出了“新科技星力量”星环科技科技实践案例评选活动,旨在为各行业提供更多的优秀产品案例甘肃省住房和城乡建设厅互联网+政务服务和监管系统-甘肃省住建数据大脑。案例背景甘肃省住房和城乡建设厅在推进新型“智慧城市”建设,通过“智慧城市”及其相关领域的信息化建设,实现城市规划、建设、管理、服务
来自: 官网 / 案例
水利工程的数字蝶变:数字孪生系统建设全解析数字孪生:水利工程的新时代变革在科技飞速发展的当下,数字孪生技术正以前所未有的态势,为水利工程设施领域带来了革命性的变革。这项技术犹如一把神奇的钥匙,开启了大数据分析、云计算等技术,对存储的数据进行清洗、分析和挖掘,提取出有价值的信息,为模型构建和决策提供支持。模型构建与仿真分析:这是数字孪生系统的核心部分,就像是系统的“大脑”。通过运用地理信息系统构成数据采集与传输:这是数字孪生系统的“触角”,负责收集现实水利工程的各种数据。通过遍布水利设施各处的传感器,如水位传感器、流量传感器、压力传感器等,实时获取水位、流量、水质、设备运行状态等关键信息数据需要一个安全、高效的存储空间,数据存储系统就承担了这个重任。它如同一个巨大的“数据仓库”,将采集到的各种数据进行分类存储,确保数据的完整性和安全性。而数据处理环节则像是一位智慧的“数据分析师”,运用运行,再到水生态环境的保护,数字孪生技术的身影无处不在。它让我们对水利工程设施的掌控更加得心应手,决策更加科学合理,为水利事业的高质量发展注入了源源不断的强大动力。水利工程设施的数字孪生系统是什么(一
风险交易,为公司的合规运营筑牢防线。同时,系统建设将深度融入信创体系,采用国产自主可控的技术和产品,从底层硬件到上层软件,全方位保障系统的安全性、稳定性与合规性,降低对国外技术的依赖,提升公司在金融科技领域的自主创新能力和竞争力。系统建设原则合规性:严格遵循国内外反洗钱相关法律法规和监管要求,确保系统的设计、开发和运行符合各项合规标准。信创化:全面采用国产信创产品和技术,涵盖服务器、操作系统、交易数据以及反洗钱业务数据的高效存储和管理。通过数据冗余、备份恢复等技术手段,保障数据的完整性和可用性。数据处理层:利用国产大数据处理框架和工具,对采集到的各类数据进行清洗、转换、加载和分析处理在金融监管日益严格以及信创产业蓬勃发展的背景下,资管公司迫切需要构建一套符合信创标准的反洗钱系统。此系统旨在严格遵循国家反洗钱相关法律法规要求,利用先进的信息技术手段,高效识别、监测和分析各类洗钱工作效率。准确性:运用先进的算法和模型,对交易数据进行精准筛选和分析,降低误报率和漏报率,为反洗钱调查提供可靠的线索和依据。可扩展性:系统架构设计应具备良好的扩展性,能够适应公司业务规模的不断扩大和监管
水利工程的数字蝶变:数字孪生系统建设全解析数字孪生:水利工程的新时代变革在科技飞速发展的当下,数字孪生技术正以前所未有的态势,为水利工程设施领域带来了革命性的变革。这项技术犹如一把神奇的钥匙,开启了大数据分析、云计算等技术,对存储的数据进行清洗、分析和挖掘,提取出有价值的信息,为模型构建和决策提供支持。模型构建与仿真分析:这是数字孪生系统的核心部分,就像是系统的“大脑”。通过运用地理信息系统构成数据采集与传输:这是数字孪生系统的“触角”,负责收集现实水利工程的各种数据。通过遍布水利设施各处的传感器,如水位传感器、流量传感器、压力传感器等,实时获取水位、流量、水质、设备运行状态等关键信息数据需要一个安全、高效的存储空间,数据存储系统就承担了这个重任。它如同一个巨大的“数据仓库”,将采集到的各种数据进行分类存储,确保数据的完整性和安全性。而数据处理环节则像是一位智慧的“数据分析师”,运用运行,再到水生态环境的保护,数字孪生技术的身影无处不在。它让我们对水利工程设施的掌控更加得心应手,决策更加科学合理,为水利事业的高质量发展注入了源源不断的强大动力。水利工程设施的数字孪生系统是什么(一
风险交易,为公司的合规运营筑牢防线。同时,系统建设将深度融入信创体系,采用国产自主可控的技术和产品,从底层硬件到上层软件,全方位保障系统的安全性、稳定性与合规性,降低对国外技术的依赖,提升公司在金融科技领域的自主创新能力和竞争力。系统建设原则合规性:严格遵循国内外反洗钱相关法律法规和监管要求,确保系统的设计、开发和运行符合各项合规标准。信创化:全面采用国产信创产品和技术,涵盖服务器、操作系统、交易数据以及反洗钱业务数据的高效存储和管理。通过数据冗余、备份恢复等技术手段,保障数据的完整性和可用性。数据处理层:利用国产大数据处理框架和工具,对采集到的各类数据进行清洗、转换、加载和分析处理在金融监管日益严格以及信创产业蓬勃发展的背景下,资管公司迫切需要构建一套符合信创标准的反洗钱系统。此系统旨在严格遵循国家反洗钱相关法律法规要求,利用先进的信息技术手段,高效识别、监测和分析各类洗钱工作效率。准确性:运用先进的算法和模型,对交易数据进行精准筛选和分析,降低误报率和漏报率,为反洗钱调查提供可靠的线索和依据。可扩展性:系统架构设计应具备良好的扩展性,能够适应公司业务规模的不断扩大和监管
某农商银行自成立以来,主要采用关系型数据库Oracle和DB2。随着业务的拓展和系统建设,行内数据库种类日益增多,并引入了开源的关系型数据库以及基于Hadoop的开源大数据平台。鉴于业务发展需求,该农商银行于2016年开始构建大数据平台,利用星环科技的关系型分析引擎Inceptor,实现高性能的存储与计算能力,对接上层业务应用系统,满足多维数据查询、分析等需求。随后,该行基于星环大数据基础平台未来业务发展奠定了基础。解决方案构建统一大数据平台:基于星环科技TDH+ArgoDB构建湖仓一体化架构,整合数据仓库、ODS系统大数据平台,统一承载多种数据类型和分析查询负载。提升平台管理能力:通过行内统一调度平台,优化大数据平台的作业调度和管理,提升作业运行效率、数据供给时效性及系统高可用性。规划企业级数据管控:构建该农商银行企业级数据管控体系及支持平台,从根源上解决各业务领域的数据问题,提升对场景性能提升7倍以上,数据扫描性能提升10倍。新的大数据平台支持读写分离,支持业务高并发查询和批量跑批,并且基于高可用部署,节点宕机不影响数据库正常使用。在扩大集群规模的同时,建设数据治理平台,实现湖仓
某农商银行自成立以来,主要采用关系型数据库Oracle和DB2。随着业务的拓展和系统建设,行内数据库种类日益增多,并引入了开源的关系型数据库以及基于Hadoop的开源大数据平台。鉴于业务发展需求,该农商银行于2016年开始构建大数据平台,利用星环科技的关系型分析引擎Inceptor,实现高性能的存储与计算能力,对接上层业务应用系统,满足多维数据查询、分析等需求。随后,该行基于星环大数据基础平台未来业务发展奠定了基础。解决方案构建统一大数据平台:基于星环科技TDH+ArgoDB构建湖仓一体化架构,整合数据仓库、ODS系统大数据平台,统一承载多种数据类型和分析查询负载。提升平台管理能力:通过行内统一调度平台,优化大数据平台的作业调度和管理,提升作业运行效率、数据供给时效性及系统高可用性。规划企业级数据管控:构建该农商银行企业级数据管控体系及支持平台,从根源上解决各业务领域的数据问题,提升对场景性能提升7倍以上,数据扫描性能提升10倍。新的大数据平台支持读写分离,支持业务高并发查询和批量跑批,并且基于高可用部署,节点宕机不影响数据库正常使用。在扩大集群规模的同时,建设数据治理平台,实现湖仓
某农商银行自成立以来,主要采用关系型数据库Oracle和DB2。随着业务的拓展和系统建设,行内数据库种类日益增多,并引入了开源的关系型数据库以及基于Hadoop的开源大数据平台。鉴于业务发展需求,该农商银行于2016年开始构建大数据平台,利用星环科技的关系型分析引擎Inceptor,实现高性能的存储与计算能力,对接上层业务应用系统,满足多维数据查询、分析等需求。随后,该行基于星环大数据基础平台未来业务发展奠定了基础。解决方案构建统一大数据平台:基于星环科技TDH+ArgoDB构建湖仓一体化架构,整合数据仓库、ODS系统大数据平台,统一承载多种数据类型和分析查询负载。提升平台管理能力:通过行内统一调度平台,优化大数据平台的作业调度和管理,提升作业运行效率、数据供给时效性及系统高可用性。规划企业级数据管控:构建该农商银行企业级数据管控体系及支持平台,从根源上解决各业务领域的数据问题,提升对场景性能提升7倍以上,数据扫描性能提升10倍。新的大数据平台支持读写分离,支持业务高并发查询和批量跑批,并且基于高可用部署,节点宕机不影响数据库正常使用。在扩大集群规模的同时,建设数据治理平台,实现湖仓
某农商银行自成立以来,主要采用关系型数据库Oracle和DB2。随着业务的拓展和系统建设,行内数据库种类日益增多,并引入了开源的关系型数据库以及基于Hadoop的开源大数据平台。鉴于业务发展需求,该农商银行于2016年开始构建大数据平台,利用星环科技的关系型分析引擎Inceptor,实现高性能的存储与计算能力,对接上层业务应用系统,满足多维数据查询、分析等需求。随后,该行基于星环大数据基础平台未来业务发展奠定了基础。解决方案构建统一大数据平台:基于星环科技TDH+ArgoDB构建湖仓一体化架构,整合数据仓库、ODS系统大数据平台,统一承载多种数据类型和分析查询负载。提升平台管理能力:通过行内统一调度平台,优化大数据平台的作业调度和管理,提升作业运行效率、数据供给时效性及系统高可用性。规划企业级数据管控:构建该农商银行企业级数据管控体系及支持平台,从根源上解决各业务领域的数据问题,提升对场景性能提升7倍以上,数据扫描性能提升10倍。新的大数据平台支持读写分离,支持业务高并发查询和批量跑批,并且基于高可用部署,节点宕机不影响数据库正常使用。在扩大集群规模的同时,建设数据治理平台,实现湖仓
产品文档
5.3 写入类操作
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...
产品文档
5.18 全文检索
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。
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:
产品文档
8 性能分析
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。...
产品文档
1 Introduction
OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...
产品文档
5.7 查询类操作
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"}...
产品文档
3.3 Cluster
OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...
产品文档
2 Quick Start
ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...
产品文档
10 Hippo 运维
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•...
产品文档
5.10 任务相关
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":...