云大数据平台建设方案

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、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、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、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

大数据平台建设是一个涉及多个层面的复杂过程，包括数据采集、存储、处理、分析和服务等多个环节。以下是一些关键点和实践案例，可以帮助理解大数据平台建设的各个方面：需求分析与规划阶段业务需求调研：与企业被使用。确定平台目标与功能：根据业务需求，明确大数据平台建设的目标，如提高数据处理效率、实现数据共享与整合、支持数据驱动的决策制定或推动业务创新等。规划大数据平台的功能模块，通常包括数据采集、存储因素，选择最适合的技术组合。设计大数据平台的架构，一般包括数据来源层、数据接入层、数据存储层、数据处理层、数据服务层和应用层。数据采集与存储建设阶段数据采集系统搭建：针对不同类型的数据源，采用相应的内各个业务部门（如销售、市场、财务、生产等）深入沟通，了解他们对数据的使用场景、痛点以及期望从大数据平台获取的价值。梳理业务流程，确定哪些环节产生数据、需要收集什么样的数据以及数据如何在业务流程中流动和、处理、分析、可视化和数据治理等功能。技术选型与架构设计规划：评估不同的大数据技术框架和工具，如分布式存储系统、分布式计算框架、数据仓库、数据挖掘工具和数据可视化工具。根据平台的目标、功能需求和数据规模等

大数据平台建设是一个涉及多个层面的复杂过程，包括数据采集、存储、处理、分析和服务等多个环节。以下是一些关键点和实践案例，可以帮助理解大数据平台建设的各个方面：需求分析与规划阶段业务需求调研：与企业被使用。确定平台目标与功能：根据业务需求，明确大数据平台建设的目标，如提高数据处理效率、实现数据共享与整合、支持数据驱动的决策制定或推动业务创新等。规划大数据平台的功能模块，通常包括数据采集、存储因素，选择最适合的技术组合。设计大数据平台的架构，一般包括数据来源层、数据接入层、数据存储层、数据处理层、数据服务层和应用层。数据采集与存储建设阶段数据采集系统搭建：针对不同类型的数据源，采用相应的内各个业务部门（如销售、市场、财务、生产等）深入沟通，了解他们对数据的使用场景、痛点以及期望从大数据平台获取的价值。梳理业务流程，确定哪些环节产生数据、需要收集什么样的数据以及数据如何在业务流程中流动和、处理、分析、可视化和数据治理等功能。技术选型与架构设计规划：评估不同的大数据技术框架和工具，如分布式存储系统、分布式计算框架、数据仓库、数据挖掘工具和数据可视化工具。根据平台的目标、功能需求和数据规模等

综合性治理为基础，建立有效的组织保障及制度保障，重点围绕IT治理体系和信息安全体系开展管控建设，为开展大数据平台建设、推动数据治理工作的基础保障支撑。解决方案某电器企业基于星环科技企业级一站式大数据综合平台TDH作为技术平台底座，搭建了统一的大数据异构存储平台，提升多模数据存储能力，为数据治理保障和应用建设提供支撑。治理保障层面，某电器企业基于TDH大数据基础平台，对19个业务系统进行数据归集和线生产、仓储楼饱和度等运营状况。2.质量追溯平台一期质量追溯平台基于Oracle数据仓库支撑，由于无法承载和响应大量MES订单明细数据，故在二期质量追溯平台建设中，考虑将原有数据迁移至星环科技大数据质量和效率具有重要作用。结尾与展望未来，某电器企业将持续采用大数据、人工智能、容器云计算等前沿技术，在供应链模块实现全链路的可视化，提高运营决策效率，同时进行研发指标体系构建，不断完善指标度量平台，使其更贴合企业发展并支撑管理和应用体系，终加速推动某电器企业数字化转型。大管理体系，加速推动某电器企业数字化转型。为实现数字化转型目标，某电器企业希望与星环科技的合作，构建统一的大数据平台，掌控企业的运营情况；建立公司级综合度量指标体系，统一度量口径、业务目标和交流语言

综合性治理为基础，建立有效的组织保障及制度保障，重点围绕IT治理体系和信息安全体系开展管控建设，为开展大数据平台建设、推动数据治理工作的基础保障支撑。解决方案某电器企业基于星环科技企业级一站式大数据综合平台TDH作为技术平台底座，搭建了统一的大数据异构存储平台，提升多模数据存储能力，为数据治理保障和应用建设提供支撑。治理保障层面，某电器企业基于TDH大数据基础平台，对19个业务系统进行数据归集和线生产、仓储楼饱和度等运营状况。2.质量追溯平台一期质量追溯平台基于Oracle数据仓库支撑，由于无法承载和响应大量MES订单明细数据，故在二期质量追溯平台建设中，考虑将原有数据迁移至星环科技大数据质量和效率具有重要作用。结尾与展望未来，某电器企业将持续采用大数据、人工智能、容器云计算等前沿技术，在供应链模块实现全链路的可视化，提高运营决策效率，同时进行研发指标体系构建，不断完善指标度量平台，使其更贴合企业发展并支撑管理和应用体系，终加速推动某电器企业数字化转型。大管理体系，加速推动某电器企业数字化转型。为实现数字化转型目标，某电器企业希望与星环科技的合作，构建统一的大数据平台，掌控企业的运营情况；建立公司级综合度量指标体系，统一度量口径、业务目标和交流语言

综合性治理为基础，建立有效的组织保障及制度保障，重点围绕IT治理体系和信息安全体系开展管控建设，为开展大数据平台建设、推动数据治理工作的基础保障支撑。解决方案某电器企业基于星环科技企业级一站式大数据综合平台TDH作为技术平台底座，搭建了统一的大数据异构存储平台，提升多模数据存储能力，为数据治理保障和应用建设提供支撑。治理保障层面，某电器企业基于TDH大数据基础平台，对19个业务系统进行数据归集和线生产、仓储楼饱和度等运营状况。2.质量追溯平台一期质量追溯平台基于Oracle数据仓库支撑，由于无法承载和响应大量MES订单明细数据，故在二期质量追溯平台建设中，考虑将原有数据迁移至星环科技大数据质量和效率具有重要作用。结尾与展望未来，某电器企业将持续采用大数据、人工智能、容器云计算等前沿技术，在供应链模块实现全链路的可视化，提高运营决策效率，同时进行研发指标体系构建，不断完善指标度量平台，使其更贴合企业发展并支撑管理和应用体系，终加速推动某电器企业数字化转型。大管理体系，加速推动某电器企业数字化转型。为实现数字化转型目标，某电器企业希望与星环科技的合作，构建统一的大数据平台，掌控企业的运营情况；建立公司级综合度量指标体系，统一度量口径、业务目标和交流语言

综合性治理为基础，建立有效的组织保障及制度保障，重点围绕IT治理体系和信息安全体系开展管控建设，为开展大数据平台建设、推动数据治理工作的基础保障支撑。解决方案某电器企业基于星环科技企业级一站式大数据综合平台TDH作为技术平台底座，搭建了统一的大数据异构存储平台，提升多模数据存储能力，为数据治理保障和应用建设提供支撑。治理保障层面，某电器企业基于TDH大数据基础平台，对19个业务系统进行数据归集和线生产、仓储楼饱和度等运营状况。2.质量追溯平台一期质量追溯平台基于Oracle数据仓库支撑，由于无法承载和响应大量MES订单明细数据，故在二期质量追溯平台建设中，考虑将原有数据迁移至星环科技大数据质量和效率具有重要作用。结尾与展望未来，某电器企业将持续采用大数据、人工智能、容器云计算等前沿技术，在供应链模块实现全链路的可视化，提高运营决策效率，同时进行研发指标体系构建，不断完善指标度量平台，使其更贴合企业发展并支撑管理和应用体系，终加速推动某电器企业数字化转型。大管理体系，加速推动某电器企业数字化转型。为实现数字化转型目标，某电器企业希望与星环科技的合作，构建统一的大数据平台，掌控企业的运营情况；建立公司级综合度量指标体系，统一度量口径、业务目标和交流语言

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

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。...

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"}...

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...

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...

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•...