大数据平台容器化

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

容器化部署大数据平台是指利用容器技术来构建、部署和管理大数据平台的一种方法。它将大数据组件封装到容器中，从而实现快速部署、弹性扩展、高效运维和环境一致性。以下是容器化部署大数据平台的核心概念和优势：1.容器化部署的基本概念容器化部署是将应用程序及其依赖项打包到一个独立的容器中，容器运行在宿主机的操作系统之上，共享内核，但彼此隔离。2.容器化部署大数据平台的优势容器化部署大数据平台相比传统的部署实际需求动态分配资源，避免资源浪费，降低硬件成本。3.容器化部署大数据平台的典型架构一个典型的容器化大数据平台架构包括以下部分：（1）容器运行时Docker：用于创建和管理容器。容器镜像仓库：如大数据平台的步骤以下是容器化部署大数据平台的基本步骤：（1）环境准备安装Docker和Kubernetes（如果需要）。配置容器镜像仓库。（2）构建容器镜像为每个大数据组件编写Dockerfile，将方式，具有以下显著优势：（1）快速部署标准化：容器将应用程序及其依赖项打包在一起，形成一个标准化的单元，可以在任何支持容器技术的环境中快速部署。简化安装：无需在每台机器上手动安装和配置大数据组件，只需拉

分布式的大数据和数据库产品，帮助企业构建私有化部署的容器云平台，为企业内多个部门提供多租户的数据PaaS、分析PaaS和应用PaaS服务；实现多个租户之间的资源隔离，有效支持多种混合工作负载，帮助用户以实现业务应用的资源调度和全生命周期管理。基于云原生的大数据和数据库资源使用效率高、管理成本低，已成为当前数据基础软件的发展趋势，而基于容器的云原生技术相比基于虚拟化的云技术在性能和弹性扩展方面相对更优运行的服务之间能够实现资源隔离，从而实现服务运行的稳定性和安全性。通过TCOS统一的工作负载管理技术，不仅可以实现包括数据库、大数据平台、机器学习平台等各种分布式软件的资源调度和全生命周期管理，还可，是目前被广泛接受的技术路线。星环科技于2017年研发完成基于容器技术的数据云技术，推出了基于容器技术的TDH5.0产品，并于2018年推出全新的数据云平台TDC，能够在基于容器的平台上弹性提供多种快速完成数据平台的基础建设，并降低系统运维成本。此外，云原生技术可以保证资源能够统一调度和高效使用，提升企业内部总体资源的使用效率。

分布式的大数据和数据库产品，帮助企业构建私有化部署的容器云平台，为企业内多个部门提供多租户的数据PaaS、分析PaaS和应用PaaS服务；实现多个租户之间的资源隔离，有效支持多种混合工作负载，帮助用户以实现业务应用的资源调度和全生命周期管理。基于云原生的大数据和数据库资源使用效率高、管理成本低，已成为当前数据基础软件的发展趋势，而基于容器的云原生技术相比基于虚拟化的云技术在性能和弹性扩展方面相对更优运行的服务之间能够实现资源隔离，从而实现服务运行的稳定性和安全性。通过TCOS统一的工作负载管理技术，不仅可以实现包括数据库、大数据平台、机器学习平台等各种分布式软件的资源调度和全生命周期管理，还可，是目前被广泛接受的技术路线。星环科技于2017年研发完成基于容器技术的数据云技术，推出了基于容器技术的TDH5.0产品，并于2018年推出全新的数据云平台TDC，能够在基于容器的平台上弹性提供多种快速完成数据平台的基础建设，并降低系统运维成本。此外，云原生技术可以保证资源能够统一调度和高效使用，提升企业内部总体资源的使用效率。

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"}...

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•...

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。

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":...

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

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...

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

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。...

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