公司大数据平台建设

数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度发现电

数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度发现电

数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度发现电

数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度发现电

发现电数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。问题与需求1、数据的统一储存在电力系统不断的生产、运行、管理过程中，会的挑战。2、深度挖掘电力数据价值国网公司希望建设电力大数据的数据仓库和数据集市，提供电力大数据应用模拟环境，提供电力大数据应用集成方案。解决方案选用目前主流的分布式技术，面向电力应用研发了大数据基础项目背景国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度算法和机器学习算法的调用，以及面向电力应用算法的自定义开发；支持流式数据的实时处理；可对数据进行行列安全控制，安全管理体系做到和Oracle一致。实施效果1、数据模型和信息模型利用大数据应用平台的工作流产生非常大量的数据，每年都有30%的增长。这些数据包含结构化数据，非结构化数据。传统的结构化数据有26.7T，而图形数据、音频数据、以及文档数据合计有300T之多。如何将不同类型的数据统一存储，是非常大

发现电数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。问题与需求1、数据的统一储存在电力系统不断的生产、运行、管理过程中，会的挑战。2、深度挖掘电力数据价值国网公司希望建设电力大数据的数据仓库和数据集市，提供电力大数据应用模拟环境，提供电力大数据应用集成方案。解决方案选用目前主流的分布式技术，面向电力应用研发了大数据基础项目背景国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度算法和机器学习算法的调用，以及面向电力应用算法的自定义开发；支持流式数据的实时处理；可对数据进行行列安全控制，安全管理体系做到和Oracle一致。实施效果1、数据模型和信息模型利用大数据应用平台的工作流产生非常大量的数据，每年都有30%的增长。这些数据包含结构化数据，非结构化数据。传统的结构化数据有26.7T，而图形数据、音频数据、以及文档数据合计有300T之多。如何将不同类型的数据统一存储，是非常大

发现电数据价值，提升电网发展运营水平，提高对社会经济的服务水平。基于这样的情况，国家电网上海市电力公司筹备建设电力大数据实验平台。问题与需求1、数据的统一储存在电力系统不断的生产、运行、管理过程中，会的挑战。2、深度挖掘电力数据价值国网公司希望建设电力大数据的数据仓库和数据集市，提供电力大数据应用模拟环境，提供电力大数据应用集成方案。解决方案选用目前主流的分布式技术，面向电力应用研发了大数据基础项目背景国内外高度关注大数据技术发展，大数据已上升为我国的国家战略。随着智能电网的深化建设，电力系统生产、运行、销售、管理等过程产生出大量数据，迫切需要利用大数据技术，高效挖掘多源异构电力数据，深度算法和机器学习算法的调用，以及面向电力应用算法的自定义开发；支持流式数据的实时处理；可对数据进行行列安全控制，安全管理体系做到和Oracle一致。实施效果1、数据模型和信息模型利用大数据应用平台的工作流产生非常大量的数据，每年都有30%的增长。这些数据包含结构化数据，非结构化数据。传统的结构化数据有26.7T，而图形数据、音频数据、以及文档数据合计有300T之多。如何将不同类型的数据统一存储，是非常大

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；进行数据归集，挖掘数据价值，通过大数据平台积极探索新型业务价值，支撑业务应用的建设。具体需求如下：1.统一数据标准规范通过大数据对公司数据资产进行清洗、转换、整合，实现企业数据标准化、集成化、标签化综合性治理为基础，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质量检查；标准化构建统一的企业信息模型，实现主题数据的融合；收集并统一公司各业务部门核心指标。后依托于大数据平台和治理保障体系，某电器企业构建了园区智慧大屏、综合度量平台和质量追溯应用，同时进行了业务

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；进行数据归集，挖掘数据价值，通过大数据平台积极探索新型业务价值，支撑业务应用的建设。具体需求如下：1.统一数据标准规范通过大数据对公司数据资产进行清洗、转换、整合，实现企业数据标准化、集成化、标签化综合性治理为基础，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质量检查；标准化构建统一的企业信息模型，实现主题数据的融合；收集并统一公司各业务部门核心指标。后依托于大数据平台和治理保障体系，某电器企业构建了园区智慧大屏、综合度量平台和质量追溯应用，同时进行了业务

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

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

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":...

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...

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。...

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。

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