建立一体化大数据平台体系

贯彻智慧城市、数字政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营的一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政务服务、城市运行、经济发展、城市民生的城市级数字底座。

贯彻智慧城市、数字政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营的一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政务服务、城市运行、经济发展、城市民生的城市级数字底座。

从数据孤岛到数据大陆：一体化大数据平台的崛起数据困境：分散的“孤岛”在当今数字化时代，数据已然成为企业和政府机构的核心资产，是推动创新、优化决策的关键力量。然而，现实却不尽如人意，数据分散的问题如同增加了决策的风险。数据的分散也限制了数据的创新应用，难以挖掘出数据之间的潜在关联和价值。在这样的数据困境下，一体化大数据平台应运而生，它犹如一座桥梁，连接起分散的数据“孤岛”，为打破数据壁垒、实现数据的高效整合与应用提供了可能。一体化大数据平台：打破壁垒的利器平台的诞生背景在信息技术飞速发展的当下，数据量呈爆发式增长。国际数据公司（IDC）预测。如此庞大的数据量，传统的数据管理和处理方式已难以应对。企业和政府部门对数据的整合与分析需求日益迫切，急需一种能够将分散的数据集中管理、高效处理的解决方案，一体化大数据平台应运而生。平台的特点优势一体化大数据平台具有诸多显著的特点和优势，使其成为解决数据量大幅增加时，平台可以轻松扩展存储容量和处理能力，满足企业的发展需求。一体化大数据平台还具备高效的数据处理能力，采用先进的数据处理技术和算法，能够实现对海量数据的快速处理和分析。无论是数据挖掘、机器学习还是

从数据孤岛到数据大陆：一体化大数据平台的崛起数据困境：分散的“孤岛”在当今数字化时代，数据已然成为企业和政府机构的核心资产，是推动创新、优化决策的关键力量。然而，现实却不尽如人意，数据分散的问题如同增加了决策的风险。数据的分散也限制了数据的创新应用，难以挖掘出数据之间的潜在关联和价值。在这样的数据困境下，一体化大数据平台应运而生，它犹如一座桥梁，连接起分散的数据“孤岛”，为打破数据壁垒、实现数据的高效整合与应用提供了可能。一体化大数据平台：打破壁垒的利器平台的诞生背景在信息技术飞速发展的当下，数据量呈爆发式增长。国际数据公司（IDC）预测。如此庞大的数据量，传统的数据管理和处理方式已难以应对。企业和政府部门对数据的整合与分析需求日益迫切，急需一种能够将分散的数据集中管理、高效处理的解决方案，一体化大数据平台应运而生。平台的特点优势一体化大数据平台具有诸多显著的特点和优势，使其成为解决数据量大幅增加时，平台可以轻松扩展存储容量和处理能力，满足企业的发展需求。一体化大数据平台还具备高效的数据处理能力，采用先进的数据处理技术和算法，能够实现对海量数据的快速处理和分析。无论是数据挖掘、机器学习还是

政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政政务服务、城市运行、经济发展、城市民生的城市级数字底座。星环科技致力于打造企业级大数据和人工智能基础软件，在数据要素市场化领域深耕多年，拥有丰富的数据要素市场化建设经验，研发了数据要素流通全过程的一系列工具，持续为数据要素安全流通保驾护航。同时星环科技积极发挥在科技创新中的主体作用，助力新质生产力发展。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，不断助力数字中国建设。贯彻智慧城市、数字

政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政政务服务、城市运行、经济发展、城市民生的城市级数字底座。星环科技致力于打造企业级大数据和人工智能基础软件，在数据要素市场化领域深耕多年，拥有丰富的数据要素市场化建设经验，研发了数据要素流通全过程的一系列工具，持续为数据要素安全流通保驾护航。同时星环科技积极发挥在科技创新中的主体作用，助力新质生产力发展。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，不断助力数字中国建设。贯彻智慧城市、数字

政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政政务服务、城市运行、经济发展、城市民生的城市级数字底座。星环科技致力于打造企业级大数据和人工智能基础软件，在数据要素市场化领域深耕多年，拥有丰富的数据要素市场化建设经验，研发了数据要素流通全过程的一系列工具，持续为数据要素安全流通保驾护航。同时星环科技积极发挥在科技创新中的主体作用，助力新质生产力发展。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，不断助力数字中国建设。贯彻智慧城市、数字

政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政政务服务、城市运行、经济发展、城市民生的城市级数字底座。星环科技致力于打造企业级大数据和人工智能基础软件，在数据要素市场化领域深耕多年，拥有丰富的数据要素市场化建设经验，研发了数据要素流通全过程的一系列工具，持续为数据要素安全流通保驾护航。同时星环科技积极发挥在科技创新中的主体作用，助力新质生产力发展。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，不断助力数字中国建设。贯彻智慧城市、数字

从数据孤岛到数据大陆：一体化大数据平台的崛起数据困境：分散的“孤岛”在当今数字化时代，数据已然成为企业和政府机构的核心资产，是推动创新、优化决策的关键力量。然而，现实却不尽如人意，数据分散的问题如同增加了决策的风险。数据的分散也限制了数据的创新应用，难以挖掘出数据之间的潜在关联和价值。在这样的数据困境下，一体化大数据平台应运而生，它犹如一座桥梁，连接起分散的数据“孤岛”，为打破数据壁垒、实现数据的高效整合与应用提供了可能。一体化大数据平台：打破壁垒的利器平台的诞生背景在信息技术飞速发展的当下，数据量呈爆发式增长。国际数据公司（IDC）预测。如此庞大的数据量，传统的数据管理和处理方式已难以应对。企业和政府部门对数据的整合与分析需求日益迫切，急需一种能够将分散的数据集中管理、高效处理的解决方案，一体化大数据平台应运而生。平台的特点优势一体化大数据平台具有诸多显著的特点和优势，使其成为解决数据量大幅增加时，平台可以轻松扩展存储容量和处理能力，满足企业的发展需求。一体化大数据平台还具备高效的数据处理能力，采用先进的数据处理技术和算法，能够实现对海量数据的快速处理和分析。无论是数据挖掘、机器学习还是

政府、数据要素市场化以及国家一体化政务大数据体系建设要求，以云、数、智等核心信创自主的基础软件产品，打造契合政务和公共数据集成、存储、治理、分析挖掘、共享开放和流通的1个中心、2个体系、6大模块，支撑3类应用和一体化建设运营一体化平台。以解耦和开放模式拥抱各生态厂商的耦合与集成，对内可作为支撑政府数据共享和协同的政务数字底座；对外结合区块链、物联网、数字孪生、大模型等技术能力，形成可支撑政政务服务、城市运行、经济发展、城市民生的城市级数字底座。星环科技致力于打造企业级大数据和人工智能基础软件，在数据要素市场化领域深耕多年，拥有丰富的数据要素市场化建设经验，研发了数据要素流通全过程的一系列工具，持续为数据要素安全流通保驾护航。同时星环科技积极发挥在科技创新中的主体作用，助力新质生产力发展。通过为企业搭建数字化转型的数字底座，星环科技助力政府、金融、能源、交通、制造业等众多行业成功实现了数字化转型，不断助力数字中国建设。贯彻智慧城市、数字

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...

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":...

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

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•...

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：

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。...

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

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。