教育行业的国产数据库

准确性。数据存储和管理：数据仓库使用专门的数据库管理系统来存储和管理教育数据，包括数据的备份、恢复和安全性护。数据分析和报告：数据仓库提供数据分析和报告工具，可以进行各种分析操作，如数据挖掘、趋势分析教育行业数据仓库是一个用于存储、管理和分析与教育相关的数据的系统。提供决策支持和战略规划，帮助教育机构、学校等更好地了解教育生态系统的运行状况、发现潜在问题等。以下是教育行业数据仓库的一些常见功能和、关联分析等，生成报告和可视化图形。决策支持：通过对教育数据进行深入分析，教育行业数据仓库能够为决策者提供可靠的数据支持，帮助制定教育政策、调整教育资源分配和改进教学质量。星环数据仓库解决方案星环特点：数据整合：数据仓库可以从多个数据源中提取数据，并通过数据整合技术将些数据整合到一个统一的数据模型中，以便进行分析和查询。数据清洗和转换：数据仓库可以对提取的数据进行清洗和转换，使数据达到一致性和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。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。

近日，墨天轮在线上举办了以“Oracle数据库国产化替代”为主题的数据库沙龙，针对Oracle数据库国产化替代的问题，邀请行业内专家和业内人士，分享从Oracle数据库向国产化替代过程中的实际案例和经验，并深入探讨国内数据库技术的创新和突破。星环科技受邀参加，高级产品经理毕汉斌分享了《星环科技KunDB实现企业Oracle数据库国产化替代之道》。毕汉斌表示，企业Oracle国产化替代面临如何平滑迁移Oracle、迁移后如何回切Oracle、迁移后性能如何不下降、如何简化数据库运维、如何保障数据安全的挑战。基于此，Oracle替换需要的国产数据库不仅要能够满足对象迁移、数据迁移、业务迁移、灾备回切，还需要具备更好的扩展性、更安全可靠、更易用的运维、兼容国产化生态等能力。KunDB是星环科技自主研发的国产分布式交易型数据库，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用国产化数据库产品。KunDB对Oracle语法各个方面高度兼容，成为业内领先的具备支撑Oracle业务迁移能力的国产数据库。KunDB高度兼容Oracle语法与PL/SQL，支持VARCHAR2

近日，墨天轮在线上举办了以“Oracle数据库国产化替代”为主题的数据库沙龙，针对Oracle数据库国产化替代的问题，邀请行业内专家和业内人士，分享从Oracle数据库向国产化替代过程中的实际案例和经验，并深入探讨国内数据库技术的创新和突破。星环科技受邀参加，高级产品经理毕汉斌分享了《星环科技KunDB实现企业Oracle数据库国产化替代之道》。毕汉斌表示，企业Oracle国产化替代面临如何平滑迁移Oracle、迁移后如何回切Oracle、迁移后性能如何不下降、如何简化数据库运维、如何保障数据安全的挑战。基于此，Oracle替换需要的国产数据库不仅要能够满足对象迁移、数据迁移、业务迁移、灾备回切，还需要具备更好的扩展性、更安全可靠、更易用的运维、兼容国产化生态等能力。KunDB是星环科技自主研发的国产分布式交易型数据库，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用国产化数据库产品。KunDB对Oracle语法各个方面高度兼容，成为业内领先的具备支撑Oracle业务迁移能力的国产数据库。KunDB高度兼容Oracle语法与PL/SQL，支持VARCHAR2

近日，墨天轮在线上举办了以“Oracle数据库国产化替代”为主题的数据库沙龙，针对Oracle数据库国产化替代的问题，邀请行业内专家和业内人士，分享从Oracle数据库向国产化替代过程中的实际案例和经验，并深入探讨国内数据库技术的创新和突破。星环科技受邀参加，高级产品经理毕汉斌分享了《星环科技KunDB实现企业Oracle数据库国产化替代之道》。毕汉斌表示，企业Oracle国产化替代面临如何平滑迁移Oracle、迁移后如何回切Oracle、迁移后性能如何不下降、如何简化数据库运维、如何保障数据安全的挑战。基于此，Oracle替换需要的国产数据库不仅要能够满足对象迁移、数据迁移、业务迁移、灾备回切，还需要具备更好的扩展性、更安全可靠、更易用的运维、兼容国产化生态等能力。KunDB是星环科技自主研发的国产分布式交易型数据库，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用国产化数据库产品。KunDB对Oracle语法各个方面高度兼容，成为业内领先的具备支撑Oracle业务迁移能力的国产数据库。KunDB高度兼容Oracle语法与PL/SQL，支持VARCHAR2

教育行业数据汇集及治理1.数据汇集教育行业数据汇集是指将来自不同来源的数据进行整合，形成统一的数据资源库。这些数据来源包括学校、教育部门、在线教育平台、第三方研究机构等。数据汇集的目的是为了提供全面，引入业界的先进技术和经验。从满足功能应用出发，以数据架构为基础，加强数据库设计，建立区域级的数据中心，搭建数据质量监控平台，实施数据安全工作。数据中心可以集聚零散数据、形成教育数据资源，然后基于先进的过程，确保数据的准确性、一致性、可靠性和安全性。数据治理在教育行业尤为重要，因为教育数据涉及学生的个人信息和隐私，需要严格遵守相关法律法规。核心功能：数据质量管理：建立数据质量评估指标体系，从数据的合适的采集工具和方法，保证数据的完整性和及时性；在数据存储阶段，根据数据的特点和使用频率，选择合适的存储设备和存储架构。3.数据管理策略教育行业的数据管理策略应包括以下几个方面：明确数据治理目标：通过制定应符合国家、行业总体发展方针及战略目标要求，并结合实际的校情校况制定适合自身阶段性或长远发展的办法。推进数据共享：教育数据繁杂且碎片化地散落在各部门，既浪费软硬件资源，也不利于各维度信息的相互关联

近日，墨天轮在线上举办了以“Oracle数据库国产化替代”为主题的数据库沙龙，针对Oracle数据库国产化替代的问题，邀请行业内专家和业内人士，分享从Oracle数据库向国产化替代过程中的实际案例和经验，并深入探讨国内数据库技术的创新和突破。星环科技受邀参加，高级产品经理毕汉斌分享了《星环科技KunDB实现企业Oracle数据库国产化替代之道》。毕汉斌表示，企业Oracle国产化替代面临如何平滑迁移Oracle、迁移后如何回切Oracle、迁移后性能如何不下降、如何简化数据库运维、如何保障数据安全的挑战。基于此，Oracle替换需要的国产数据库不仅要能够满足对象迁移、数据迁移、业务迁移、灾备回切，还需要具备更好的扩展性、更安全可靠、更易用的运维、兼容国产化生态等能力。KunDB是星环科技自主研发的国产分布式交易型数据库，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用国产化数据库产品。KunDB对Oracle语法各个方面高度兼容，成为业内领先的具备支撑Oracle业务迁移能力的国产数据库。KunDB高度兼容Oracle语法与PL/SQL，支持VARCHAR2

近日，墨天轮在线上举办了以“Oracle数据库国产化替代”为主题的数据库沙龙，针对Oracle数据库国产化替代的问题，邀请行业内专家和业内人士，分享从Oracle数据库向国产化替代过程中的实际案例和经验，并深入探讨国内数据库技术的创新和突破。星环科技受邀参加，高级产品经理毕汉斌分享了《星环科技KunDB实现企业Oracle数据库国产化替代之道》。毕汉斌表示，企业Oracle国产化替代面临如何平滑迁移Oracle、迁移后如何回切Oracle、迁移后性能如何不下降、如何简化数据库运维、如何保障数据安全的挑战。基于此，Oracle替换需要的国产数据库不仅要能够满足对象迁移、数据迁移、业务迁移、灾备回切，还需要具备更好的扩展性、更安全可靠、更易用的运维、兼容国产化生态等能力。KunDB是星环科技自主研发的国产分布式交易型数据库，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用国产化数据库产品。KunDB对Oracle语法各个方面高度兼容，成为业内领先的具备支撑Oracle业务迁移能力的国产数据库。KunDB高度兼容Oracle语法与PL/SQL，支持VARCHAR2

近日，墨天轮在线上举办了以“Oracle数据库国产化替代”为主题的数据库沙龙，针对Oracle数据库国产化替代的问题，邀请行业内专家和业内人士，分享从Oracle数据库向国产化替代过程中的实际案例和经验，并深入探讨国内数据库技术的创新和突破。星环科技受邀参加，高级产品经理毕汉斌分享了《星环科技KunDB实现企业Oracle数据库国产化替代之道》。毕汉斌表示，企业Oracle国产化替代面临如何平滑迁移Oracle、迁移后如何回切Oracle、迁移后性能如何不下降、如何简化数据库运维、如何保障数据安全的挑战。基于此，Oracle替换需要的国产数据库不仅要能够满足对象迁移、数据迁移、业务迁移、灾备回切，还需要具备更好的扩展性、更安全可靠、更易用的运维、兼容国产化生态等能力。KunDB是星环科技自主研发的国产分布式交易型数据库，可低成本实现数据库国产化的替代和迁移，具备可扩展、高并发、高可用国产化数据库产品。KunDB对Oracle语法各个方面高度兼容，成为业内领先的具备支撑Oracle业务迁移能力的国产数据库。KunDB高度兼容Oracle语法与PL/SQL，支持VARCHAR2

准确性。数据存储和管理：数据仓库使用专门的数据库管理系统来存储和管理教育数据，包括数据的备份、恢复和安全性护。数据分析和报告：数据仓库提供数据分析和报告工具，可以进行各种分析操作，如数据挖掘、趋势分析教育行业数据仓库是一个用于存储、管理和分析与教育相关的数据的系统。提供决策支持和战略规划，帮助教育机构、学校等更好地了解教育生态系统的运行状况、发现潜在问题等。以下是教育行业数据仓库的一些常见功能和、关联分析等，生成报告和可视化图形。决策支持：通过对教育数据进行深入分析，教育行业数据仓库能够为决策者提供可靠的数据支持，帮助制定教育政策、调整教育资源分配和改进教学质量。星环数据仓库解决方案星环特点：数据整合：数据仓库可以从多个数据源中提取数据，并通过数据整合技术将些数据整合到一个统一的数据模型中，以便进行分析和查询。数据清洗和转换：数据仓库可以对提取的数据进行清洗和转换，使数据达到一致性和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。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。

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

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...

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...

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

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"}...

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。...