云原生 大数据平台

云原生大数据平台是一种将大数据技术与云原生理念深度融合的平台，它为企业提供了更高效、灵活和可扩展的数据处理和分析解决方案。概念与特点云原生理念融入大数据：云原生大数据平台基于容器、微服务和声明式API等云原生技术构建。通过容器化封装大数据组件，实现组件的隔离和快速部署；采用微服务架构将大数据功能拆分为多个独立的服务，便于开发、维护和扩展；利用声明式API管理平台资源，提高自动化程度。高度弹性和可快速部署：支持敏捷的开发模式，开发人员可以快速构建、测试和部署大数据应用。利用容器编排工具，可以轻松实现大数据应用的版本更新和回滚，缩短开发周期，加快业务创新。架构组成容器化的大数据组件：将传统的大数据、高可用性和高扩展性的存储解决方案，适合存储结构化、半结构化和非结构化数据。存储抽象层：通过抽象层将底层存储服务与大数据应用解耦，使应用可以方便地使用不同的存储服务。计算层：计算资源调度与管理：利用容器扩展性：能够根据数据量的增长和业务负载的变化，自动地动态调整计算资源和存储资源。例如，在数据处理高峰时期，平台可以自动增加节点数量以加速处理过程；而在低谷时期，可以减少资源占用，节省成本。敏捷开发与

云原生大数据平台是一种将大数据技术与云原生理念深度融合的平台，它为企业提供了更高效、灵活和可扩展的数据处理和分析解决方案。概念与特点云原生理念融入大数据：云原生大数据平台基于容器、微服务和声明式API等云原生技术构建。通过容器化封装大数据组件，实现组件的隔离和快速部署；采用微服务架构将大数据功能拆分为多个独立的服务，便于开发、维护和扩展；利用声明式API管理平台资源，提高自动化程度。高度弹性和可快速部署：支持敏捷的开发模式，开发人员可以快速构建、测试和部署大数据应用。利用容器编排工具，可以轻松实现大数据应用的版本更新和回滚，缩短开发周期，加快业务创新。架构组成容器化的大数据组件：将传统的大数据、高可用性和高扩展性的存储解决方案，适合存储结构化、半结构化和非结构化数据。存储抽象层：通过抽象层将底层存储服务与大数据应用解耦，使应用可以方便地使用不同的存储服务。计算层：计算资源调度与管理：利用容器扩展性：能够根据数据量的增长和业务负载的变化，自动地动态调整计算资源和存储资源。例如，在数据处理高峰时期，平台可以自动增加节点数量以加速处理过程；而在低谷时期，可以减少资源占用，节省成本。敏捷开发与

可预测的重大变更。云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。面对客户日益增长的海量数据、多种数据结构的实时化、智能化处理需求，云原生的大数据平台架构凭借计算存储解耦、资源池化、Serverless等核心技术，提供了高弹性拓展、海量存储、多种数据类型处理及低成本计算分析的能力。相比传统数据库，云原生数据库及数据管理平台天然具备灵活性，能够提供强大的创新能力、丰富多样的产品体系、经济高效的部署方式和按需付费的支付模式。星环大数据基础平台-TranswarpDataHub星环大数据基础平台TDH是公司自主研发的一站式大数据基础平台，包括多个大数据存储通用的高性能大数据平台，提供标准的SQL开发接口，有着优秀的数据库兼容性，不仅可以帮助各个行业用户开发创新的数字化业务，还可以替代关系型数据库提升当前业务的应用效能。目前TDH已经在政府、金融、能源，以及OraclePL/SQL、IBMDB2SQLPL等SQL扩展，是目前大数据领域对SQL标准支持较为完善的产品之一。从2015年开始，TDH就已较早地在大数据行业中支持分布式事务，保证数据的一致性

可预测的重大变更。云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。面对客户日益增长的海量数据、多种数据结构的实时化、智能化处理需求，云原生的大数据平台架构凭借计算存储解耦、资源池化、Serverless等核心技术，提供了高弹性拓展、海量存储、多种数据类型处理及低成本计算分析的能力。相比传统数据库，云原生数据库及数据管理平台天然具备灵活性，能够提供强大的创新能力、丰富多样的产品体系、经济高效的部署方式和按需付费的支付模式。星环大数据基础平台-TranswarpDataHub星环大数据基础平台TDH是公司自主研发的一站式大数据基础平台，包括多个大数据存储通用的高性能大数据平台，提供标准的SQL开发接口，有着优秀的数据库兼容性，不仅可以帮助各个行业用户开发创新的数字化业务，还可以替代关系型数据库提升当前业务的应用效能。目前TDH已经在政府、金融、能源，以及OraclePL/SQL、IBMDB2SQLPL等SQL扩展，是目前大数据领域对SQL标准支持较为完善的产品之一。从2015年开始，TDH就已较早地在大数据行业中支持分布式事务，保证数据的一致性

云原生数据中台是一种基于云计算、大数据、人工智能等技术构建的企业级数据管理平台，它具备以下核心能力：支持多元异构数据：云原生数据中台能够支持多种数据类型和处理工具，整合企业内外部数据资源。提高容器化提高资源利用率和部署效率。存储计算分离：降低成本，提高集群性能，实现计算存储分离。云原生数据中台通过这些能力，帮助企业实现数据的集中管理、共享和驱动业务创新，支持企业数字化转型。扩展性。数据服务接口：提供统一的数据服务接口，支持数据查询和分析，为业务人员提供方便的数据服务。数据智能与分析：利用人工智能和机器学习技术，对数据进行深入挖掘和分析，提取有价值的信息。跨云多域数据治理：实现跨云多域的数据治理，提高基础设施的可控性和安全性。元数据管理：对数据的结构、指标、标签、权限、上下游血缘等元信息进行规范化管理，建立智能数据治理体系。CI/CD与容器化：实现持续集成持续交付，通过数据处理效率：通过容器化、微服务、无服务器计算等技术，提升数据处理效率。弹性伸缩和高可用性：根据业务需求动态调整资源，确保系统稳定运行，避免单点故障。可扩展性：支持新业务和数据源的快速接入，具备良好的可

云原生数据中台是一种基于云计算、大数据、人工智能等技术构建的企业级数据管理平台，它具备以下核心能力：支持多元异构数据：云原生数据中台能够支持多种数据类型和处理工具，整合企业内外部数据资源。提高容器化提高资源利用率和部署效率。存储计算分离：降低成本，提高集群性能，实现计算存储分离。云原生数据中台通过这些能力，帮助企业实现数据的集中管理、共享和驱动业务创新，支持企业数字化转型。扩展性。数据服务接口：提供统一的数据服务接口，支持数据查询和分析，为业务人员提供方便的数据服务。数据智能与分析：利用人工智能和机器学习技术，对数据进行深入挖掘和分析，提取有价值的信息。跨云多域数据治理：实现跨云多域的数据治理，提高基础设施的可控性和安全性。元数据管理：对数据的结构、指标、标签、权限、上下游血缘等元信息进行规范化管理，建立智能数据治理体系。CI/CD与容器化：实现持续集成持续交付，通过数据处理效率：通过容器化、微服务、无服务器计算等技术，提升数据处理效率。弹性伸缩和高可用性：根据业务需求动态调整资源，确保系统稳定运行，避免单点故障。可扩展性：支持新业务和数据源的快速接入，具备良好的可

云原生数据中台是一种基于云计算、大数据、人工智能等技术构建的企业级数据管理平台，它具备以下核心能力：支持多元异构数据：云原生数据中台能够支持多种数据类型和处理工具，整合企业内外部数据资源。提高容器化提高资源利用率和部署效率。存储计算分离：降低成本，提高集群性能，实现计算存储分离。云原生数据中台通过这些能力，帮助企业实现数据的集中管理、共享和驱动业务创新，支持企业数字化转型。扩展性。数据服务接口：提供统一的数据服务接口，支持数据查询和分析，为业务人员提供方便的数据服务。数据智能与分析：利用人工智能和机器学习技术，对数据进行深入挖掘和分析，提取有价值的信息。跨云多域数据治理：实现跨云多域的数据治理，提高基础设施的可控性和安全性。元数据管理：对数据的结构、指标、标签、权限、上下游血缘等元信息进行规范化管理，建立智能数据治理体系。CI/CD与容器化：实现持续集成持续交付，通过数据处理效率：通过容器化、微服务、无服务器计算等技术，提升数据处理效率。弹性伸缩和高可用性：根据业务需求动态调整资源，确保系统稳定运行，避免单点故障。可扩展性：支持新业务和数据源的快速接入，具备良好的可

云原生数据中台是一种基于云计算、大数据、人工智能等技术构建的企业级数据管理平台，它具备以下核心能力：支持多元异构数据：云原生数据中台能够支持多种数据类型和处理工具，整合企业内外部数据资源。提高容器化提高资源利用率和部署效率。存储计算分离：降低成本，提高集群性能，实现计算存储分离。云原生数据中台通过这些能力，帮助企业实现数据的集中管理、共享和驱动业务创新，支持企业数字化转型。扩展性。数据服务接口：提供统一的数据服务接口，支持数据查询和分析，为业务人员提供方便的数据服务。数据智能与分析：利用人工智能和机器学习技术，对数据进行深入挖掘和分析，提取有价值的信息。跨云多域数据治理：实现跨云多域的数据治理，提高基础设施的可控性和安全性。元数据管理：对数据的结构、指标、标签、权限、上下游血缘等元信息进行规范化管理，建立智能数据治理体系。CI/CD与容器化：实现持续集成持续交付，通过数据处理效率：通过容器化、微服务、无服务器计算等技术，提升数据处理效率。弹性伸缩和高可用性：根据业务需求动态调整资源，确保系统稳定运行，避免单点故障。可扩展性：支持新业务和数据源的快速接入，具备良好的可

云原生数据中台是一种基于云计算、大数据、人工智能等技术构建的企业级数据管理平台，它具备以下核心能力：支持多元异构数据：云原生数据中台能够支持多种数据类型和处理工具，整合企业内外部数据资源。提高容器化提高资源利用率和部署效率。存储计算分离：降低成本，提高集群性能，实现计算存储分离。云原生数据中台通过这些能力，帮助企业实现数据的集中管理、共享和驱动业务创新，支持企业数字化转型。扩展性。数据服务接口：提供统一的数据服务接口，支持数据查询和分析，为业务人员提供方便的数据服务。数据智能与分析：利用人工智能和机器学习技术，对数据进行深入挖掘和分析，提取有价值的信息。跨云多域数据治理：实现跨云多域的数据治理，提高基础设施的可控性和安全性。元数据管理：对数据的结构、指标、标签、权限、上下游血缘等元信息进行规范化管理，建立智能数据治理体系。CI/CD与容器化：实现持续集成持续交付，通过数据处理效率：通过容器化、微服务、无服务器计算等技术，提升数据处理效率。弹性伸缩和高可用性：根据业务需求动态调整资源，确保系统稳定运行，避免单点故障。可扩展性：支持新业务和数据源的快速接入，具备良好的可

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。...

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...

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...

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"}...

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。

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

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":...