安防数据库

，难以描绘数据资产的完整流转链路，导致无法及时定位、追溯和处置风险事件，数据资产安全难控难防。为了解决这一问题，Defensor从数据库、安全网关、工具等基础组件获取日志，并结合血缘、相似度、数据身份异常行为识别与监控，利用策略推荐技术，下发安全处置策略，实现资产安全风险预警以及应急响应。基于数据资产链路的全生命周期防护，实现资产安全精准防控在传统业务系统中，数据血缘记录存在不完整或缺失等问题、安全评分模型等技术刻画了数据资产全生命周期的安全防护现状，不仅记录了数据的流向，还详细记录了数据变更内容、操作人以及链路上每个节点的安全防护现状。基于智能分析引擎，可以对收集到的日志进行深入分析，识别策略，如访问阻断、权限降级、访问频率限制、数据动态脱敏和数据水印等多种措施，并调动各个安全组件高效执行处置策略，实现安全事件的快速响应和处理，形成整体的风险监测和数据防护能力，实现数据全生命周期全面的风险管控。星环科技数据安全管理平台Defensor4.5版本引入了以数据资产为中心的数据安全运营体系，通过智能化大模型技术，帮助企业快速、精准地识别核心重要资产；建设全局的数据安全策略中心，通过多维度访问控制

，难以描绘数据资产的完整流转链路，导致无法及时定位、追溯和处置风险事件，数据资产安全难控难防。为了解决这一问题，Defensor从数据库、安全网关、工具等基础组件获取日志，并结合血缘、相似度、数据身份异常行为识别与监控，利用策略推荐技术，下发安全处置策略，实现资产安全风险预警以及应急响应。基于数据资产链路的全生命周期防护，实现资产安全精准防控在传统业务系统中，数据血缘记录存在不完整或缺失等问题、安全评分模型等技术刻画了数据资产全生命周期的安全防护现状，不仅记录了数据的流向，还详细记录了数据变更内容、操作人以及链路上每个节点的安全防护现状。基于智能分析引擎，可以对收集到的日志进行深入分析，识别策略，如访问阻断、权限降级、访问频率限制、数据动态脱敏和数据水印等多种措施，并调动各个安全组件高效执行处置策略，实现安全事件的快速响应和处理，形成整体的风险监测和数据防护能力，实现数据全生命周期全面的风险管控。星环科技数据安全管理平台Defensor4.5版本引入了以数据资产为中心的数据安全运营体系，通过智能化大模型技术，帮助企业快速、精准地识别核心重要资产；建设全局的数据安全策略中心，通过多维度访问控制

，难以描绘数据资产的完整流转链路，导致无法及时定位、追溯和处置风险事件，数据资产安全难控难防。为了解决这一问题，Defensor从数据库、安全网关、工具等基础组件获取日志，并结合血缘、相似度、数据身份异常行为识别与监控，利用策略推荐技术，下发安全处置策略，实现资产安全风险预警以及应急响应。基于数据资产链路的全生命周期防护，实现资产安全精准防控在传统业务系统中，数据血缘记录存在不完整或缺失等问题、安全评分模型等技术刻画了数据资产全生命周期的安全防护现状，不仅记录了数据的流向，还详细记录了数据变更内容、操作人以及链路上每个节点的安全防护现状。基于智能分析引擎，可以对收集到的日志进行深入分析，识别策略，如访问阻断、权限降级、访问频率限制、数据动态脱敏和数据水印等多种措施，并调动各个安全组件高效执行处置策略，实现安全事件的快速响应和处理，形成整体的风险监测和数据防护能力，实现数据全生命周期全面的风险管控。星环科技数据安全管理平台Defensor4.5版本引入了以数据资产为中心的数据安全运营体系，通过智能化大模型技术，帮助企业快速、精准地识别核心重要资产；建设全局的数据安全策略中心，通过多维度访问控制

重要意义。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。基于在大数据、分布式数据库、隐私计算、数据安全流通领域的多年积累，星环科技研发了数据要素流通全过程的一系列工具无法进入，减少数据对外暴露风险。在数据平台层，星环科技大数据基础平台TDH在新版本上做了大量的安全加固，一个是引入了微隔离安全技术，第二个是数据库支持行列级权限控制、动态脱敏等新能力，优化了数据透明，在各方数据不出域的前提下，为数据资源方和数据消费方提供数据交付服务。2021年星环科技成为上海数据交易所首批签约数商。2022年9月星环科技曾受邀出席“深数交”数据合规活动，分享数据安全出境解决方案。2022年12月星环科技与中国东信旗下北部湾大数据交易中心达成了战略合作。星环科技在产品的各层级上都完善了安全技术，从而可以给用户提供体系化的数据安全防护能力，助力企业高效、合规的开展数据流通业务。在加密并支持了用国密的算法，第三是增强了数据审计能力。在数据资产层的安全防护上，星环科技数据脱敏软件Defensor可以帮助企业构建整个的数据安全管理域；数据流通平台TranswarpNavier，包含

重要意义。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。基于在大数据、分布式数据库、隐私计算、数据安全流通领域的多年积累，星环科技研发了数据要素流通全过程的一系列工具无法进入，减少数据对外暴露风险。在数据平台层，星环科技大数据基础平台TDH在新版本上做了大量的安全加固，一个是引入了微隔离安全技术，第二个是数据库支持行列级权限控制、动态脱敏等新能力，优化了数据透明，在各方数据不出域的前提下，为数据资源方和数据消费方提供数据交付服务。2021年星环科技成为上海数据交易所首批签约数商。2022年9月星环科技曾受邀出席“深数交”数据合规活动，分享数据安全出境解决方案。2022年12月星环科技与中国东信旗下北部湾大数据交易中心达成了战略合作。星环科技在产品的各层级上都完善了安全技术，从而可以给用户提供体系化的数据安全防护能力，助力企业高效、合规的开展数据流通业务。在加密并支持了用国密的算法，第三是增强了数据审计能力。在数据资产层的安全防护上，星环科技数据脱敏软件Defensor可以帮助企业构建整个的数据安全管理域；数据流通平台TranswarpNavier，包含

设备，可以收集大量的数据，并进行实时分析和决策。这样可以实现实时监控，提高产品质量和生产率。智能安防：在智能安防领域，边缘计算平台可以实现实时监控和智能报警。例如，通过安装传感器和摄像头等设备在重要监控城市管理中，利用边缘计算技术提高监测精度及对于城市数据的深度分析，可以使得城市管理更加有针对性，提高城市安全和公共服务的质量。智能校园：在智能校园，边缘计算平台可以实现对于校园网络的优化和智能安防等功能。边缘计算平台在智能制造、智能安防、智能工地、智能交通、智能城市、智能校园、城市治理等云边一体场景中有广泛的应用。智能制造：在工业制造业，边缘计算平台可用来优化生产线效率。通过将传感器设备连接到边缘随着互联网技术日新月异的发展，边缘计算不断成为各个领域的热门技术。边缘计算作为云计算的完善和升级，可以将计算和数据存储功能从中央云端移至离用户或数据发源地更近的地方，从而实现更快的响应和更高的安全性、传感器和摄像头等设备实现工地周边的监控，以及工人的实时跟踪和数据共享，提高工程部署的便利性和效率。智能交通：在智能交通中，边缘计算平台可以实现城市交通管理和公共交通服务的优化。通过安装传感器、摄像头等设备

设备，可以收集大量的数据，并进行实时分析和决策。这样可以实现实时监控，提高产品质量和生产率。智能安防：在智能安防领域，边缘计算平台可以实现实时监控和智能报警。例如，通过安装传感器和摄像头等设备在重要监控城市管理中，利用边缘计算技术提高监测精度及对于城市数据的深度分析，可以使得城市管理更加有针对性，提高城市安全和公共服务的质量。智能校园：在智能校园，边缘计算平台可以实现对于校园网络的优化和智能安防等功能。边缘计算平台在智能制造、智能安防、智能工地、智能交通、智能城市、智能校园、城市治理等云边一体场景中有广泛的应用。智能制造：在工业制造业，边缘计算平台可用来优化生产线效率。通过将传感器设备连接到边缘随着互联网技术日新月异的发展，边缘计算不断成为各个领域的热门技术。边缘计算作为云计算的完善和升级，可以将计算和数据存储功能从中央云端移至离用户或数据发源地更近的地方，从而实现更快的响应和更高的安全性、传感器和摄像头等设备实现工地周边的监控，以及工人的实时跟踪和数据共享，提高工程部署的便利性和效率。智能交通：在智能交通中，边缘计算平台可以实现城市交通管理和公共交通服务的优化。通过安装传感器、摄像头等设备

设备，可以收集大量的数据，并进行实时分析和决策。这样可以实现实时监控，提高产品质量和生产率。智能安防：在智能安防领域，边缘计算平台可以实现实时监控和智能报警。例如，通过安装传感器和摄像头等设备在重要监控城市管理中，利用边缘计算技术提高监测精度及对于城市数据的深度分析，可以使得城市管理更加有针对性，提高城市安全和公共服务的质量。智能校园：在智能校园，边缘计算平台可以实现对于校园网络的优化和智能安防等功能。边缘计算平台在智能制造、智能安防、智能工地、智能交通、智能城市、智能校园、城市治理等云边一体场景中有广泛的应用。智能制造：在工业制造业，边缘计算平台可用来优化生产线效率。通过将传感器设备连接到边缘随着互联网技术日新月异的发展，边缘计算不断成为各个领域的热门技术。边缘计算作为云计算的完善和升级，可以将计算和数据存储功能从中央云端移至离用户或数据发源地更近的地方，从而实现更快的响应和更高的安全性、传感器和摄像头等设备实现工地周边的监控，以及工人的实时跟踪和数据共享，提高工程部署的便利性和效率。智能交通：在智能交通中，边缘计算平台可以实现城市交通管理和公共交通服务的优化。通过安装传感器、摄像头等设备

设备，可以收集大量的数据，并进行实时分析和决策。这样可以实现实时监控，提高产品质量和生产率。智能安防：在智能安防领域，边缘计算平台可以实现实时监控和智能报警。例如，通过安装传感器和摄像头等设备在重要监控城市管理中，利用边缘计算技术提高监测精度及对于城市数据的深度分析，可以使得城市管理更加有针对性，提高城市安全和公共服务的质量。智能校园：在智能校园，边缘计算平台可以实现对于校园网络的优化和智能安防等功能。边缘计算平台在智能制造、智能安防、智能工地、智能交通、智能城市、智能校园、城市治理等云边一体场景中有广泛的应用。智能制造：在工业制造业，边缘计算平台可用来优化生产线效率。通过将传感器设备连接到边缘随着互联网技术日新月异的发展，边缘计算不断成为各个领域的热门技术。边缘计算作为云计算的完善和升级，可以将计算和数据存储功能从中央云端移至离用户或数据发源地更近的地方，从而实现更快的响应和更高的安全性、传感器和摄像头等设备实现工地周边的监控，以及工人的实时跟踪和数据共享，提高工程部署的便利性和效率。智能交通：在智能交通中，边缘计算平台可以实现城市交通管理和公共交通服务的优化。通过安装传感器、摄像头等设备

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。

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...

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•...

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：

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":...

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

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。...