构建企业数据中台

构建数据中台需要以下几个步骤：明确数据中台的目标和价值：首先需要明确数据中台的目标，并确定其在业务上的价值，例如提升数据分析效率、支持决策、推动业务创新等。设计数据中台的架构：数据中台需要一个合理的构建相应的数据服务和应用，包括数据查询、数据可视化、数据挖掘、机器学习等。不断优化和改进：数据中台的建设是一个漫长的过程，需要不断地评估和优化，以满足不断变化的业务需求。同时，还需要对新的技术和工具进行跟踪和采用，以提高数据中台的效率和价值。星环数据中台解决方案作为一家企业级大数据基础软件开发商，星环科技很早就在数据中台领域布局，结合星环科技全系产品的相关组件实现数据中台能力建设。星环科技把数据中台建设归纳为三中心、六能力、两个体系，这当中都会有星环科技产品作为支撑，从而保证企业能够快速实现，并搭建起数据中台，满足企业未来发展变化。三中心分别是存储中心、分析探索中心、业务赋能中心；六能力包括数据汇聚能力、数据整合能力、智能分析能力、实时计算能力、统一访问能力、统一服务能力；两个体系则是安全和运维保障体系与数据和分析支撑体系。三中心、六能力、两个保障体系都构建在一个云底座之上，满足企业私有化

构建数据中台需要以下几个步骤：明确数据中台的目标和价值：首先需要明确数据中台的目标，并确定其在业务上的价值，例如提升数据分析效率、支持决策、推动业务创新等。设计数据中台的架构：数据中台需要一个合理的构建相应的数据服务和应用，包括数据查询、数据可视化、数据挖掘、机器学习等。不断优化和改进：数据中台的建设是一个漫长的过程，需要不断地评估和优化，以满足不断变化的业务需求。同时，还需要对新的技术和工具进行跟踪和采用，以提高数据中台的效率和价值。星环数据中台解决方案作为一家企业级大数据基础软件开发商，星环科技很早就在数据中台领域布局，结合星环科技全系产品的相关组件实现数据中台能力建设。星环科技把数据中台建设归纳为三中心、六能力、两个体系，这当中都会有星环科技产品作为支撑，从而保证企业能够快速实现，并搭建起数据中台，满足企业未来发展变化。三中心分别是存储中心、分析探索中心、业务赋能中心；六能力包括数据汇聚能力、数据整合能力、智能分析能力、实时计算能力、统一访问能力、统一服务能力；两个体系则是安全和运维保障体系与数据和分析支撑体系。三中心、六能力、两个保障体系都构建在一个云底座之上，满足企业私有化

构建数据中台涉及核心功能模块设计、多层技术架构搭建、行业应用适配以及方法论遵循，旨在整合企业数据资源，提升管理与决策效率，支持业务创新与发展。1.数据中台的核心功能数据中台主要包含以下几个核心管理和分析，提升风险管理、信贷审批、客户服务等方面的效率和质量。零售行业：零售行业面临着激烈的市场竞争和消费者需求的多样化，数据中台可以帮助零售企业实现对消费者行为、商品销售、供应链等数据的实时监控和分析，优化库存管理、定价策略、营销活动等，提升市场竞争力。制造行业：制造行业在生产过程中产生了大量的设备数据、生产数据、质量数据等，数据中台可以帮助制造企业实现对这些数据的整合和分析，优化行业在教学、科研、管理等方面产生了大量的数据，数据中台可以帮助教育机构实现对这些数据的整合和分析，优化教学资源配置、提升科研效率、加强学生管理。4.数据中台的构建方法论构建数据中台可以分为以下几个步骤：理现状：梳理企业已拥有的数据、业务特点，使用的技术，部门等企业组织形态等现状。立架构：架构中包含“组织架构”、“业务架构”、“技术架构”、“应用架构”、“数据架构”。组织架构：保证中台项目的顺利

构建数据中台涉及核心功能模块设计、多层技术架构搭建、行业应用适配以及方法论遵循，旨在整合企业数据资源，提升管理与决策效率，支持业务创新与发展。1.数据中台的核心功能数据中台主要包含以下几个核心管理和分析，提升风险管理、信贷审批、客户服务等方面的效率和质量。零售行业：零售行业面临着激烈的市场竞争和消费者需求的多样化，数据中台可以帮助零售企业实现对消费者行为、商品销售、供应链等数据的实时监控和分析，优化库存管理、定价策略、营销活动等，提升市场竞争力。制造行业：制造行业在生产过程中产生了大量的设备数据、生产数据、质量数据等，数据中台可以帮助制造企业实现对这些数据的整合和分析，优化行业在教学、科研、管理等方面产生了大量的数据，数据中台可以帮助教育机构实现对这些数据的整合和分析，优化教学资源配置、提升科研效率、加强学生管理。4.数据中台的构建方法论构建数据中台可以分为以下几个步骤：理现状：梳理企业已拥有的数据、业务特点，使用的技术，部门等企业组织形态等现状。立架构：架构中包含“组织架构”、“业务架构”、“技术架构”、“应用架构”、“数据架构”。组织架构：保证中台项目的顺利

构建数据中台涉及核心功能模块设计、多层技术架构搭建、行业应用适配以及方法论遵循，旨在整合企业数据资源，提升管理与决策效率，支持业务创新与发展。1.数据中台的核心功能数据中台主要包含以下几个核心管理和分析，提升风险管理、信贷审批、客户服务等方面的效率和质量。零售行业：零售行业面临着激烈的市场竞争和消费者需求的多样化，数据中台可以帮助零售企业实现对消费者行为、商品销售、供应链等数据的实时监控和分析，优化库存管理、定价策略、营销活动等，提升市场竞争力。制造行业：制造行业在生产过程中产生了大量的设备数据、生产数据、质量数据等，数据中台可以帮助制造企业实现对这些数据的整合和分析，优化行业在教学、科研、管理等方面产生了大量的数据，数据中台可以帮助教育机构实现对这些数据的整合和分析，优化教学资源配置、提升科研效率、加强学生管理。4.数据中台的构建方法论构建数据中台可以分为以下几个步骤：理现状：梳理企业已拥有的数据、业务特点，使用的技术，部门等企业组织形态等现状。立架构：架构中包含“组织架构”、“业务架构”、“技术架构”、“应用架构”、“数据架构”。组织架构：保证中台项目的顺利

构建数据中台涉及核心功能模块设计、多层技术架构搭建、行业应用适配以及方法论遵循，旨在整合企业数据资源，提升管理与决策效率，支持业务创新与发展。1.数据中台的核心功能数据中台主要包含以下几个核心管理和分析，提升风险管理、信贷审批、客户服务等方面的效率和质量。零售行业：零售行业面临着激烈的市场竞争和消费者需求的多样化，数据中台可以帮助零售企业实现对消费者行为、商品销售、供应链等数据的实时监控和分析，优化库存管理、定价策略、营销活动等，提升市场竞争力。制造行业：制造行业在生产过程中产生了大量的设备数据、生产数据、质量数据等，数据中台可以帮助制造企业实现对这些数据的整合和分析，优化行业在教学、科研、管理等方面产生了大量的数据，数据中台可以帮助教育机构实现对这些数据的整合和分析，优化教学资源配置、提升科研效率、加强学生管理。4.数据中台的构建方法论构建数据中台可以分为以下几个步骤：理现状：梳理企业已拥有的数据、业务特点，使用的技术，部门等企业组织形态等现状。立架构：架构中包含“组织架构”、“业务架构”、“技术架构”、“应用架构”、“数据架构”。组织架构：保证中台项目的顺利

构建AI软件中台：赋能企业智能化转型在数字经济时代，人工智能技术正以前所未有的速度重塑着各行各业。企业要实现智能化转型，构建AI软件中台已成为必然选择。AI软件中台不是简单的技术堆砌，而是一个系统化的能力平台，它通过整合AI技术能力、数据资源和业务场景，为企业提供智能化服务支撑。一、AI软件中台的核心架构AI软件中台的核心架构包含三个关键层次：技术能力层、数据服务层和应用支撑层。技术能力层集成具体业务场景中。这三个层次相互协同，形成一个完整的AI能力供给体系。技术能力层为整个中台提供算法支撑，数据服务层确保数据质量，应用支撑层实现能力输出，共同构建起AI软件中台的技术底座。二、AI软件中台的建设路径建设中台需要从基础设施、算法模型和服务能力三个维度着手。基础设施包括计算资源、存储资源和网络资源，需要具备弹性扩展能力。算法模型建设要结合企业业务特点，构建领域专用的模型库。服务能力建设则要缩短到天级。统一的API接口降低了AI技术的使用门槛，使业务人员也能便捷地使用AI能力。在业务创新方面，AI软件中台提供了强大的技术支撑。企业可以基于中台能力，快速构建智能客服、智能推荐、智能风控等创新

构建AI软件中台：赋能企业智能化转型在数字经济时代，人工智能技术正以前所未有的速度重塑着各行各业。企业要实现智能化转型，构建AI软件中台已成为必然选择。AI软件中台不是简单的技术堆砌，而是一个系统化的能力平台，它通过整合AI技术能力、数据资源和业务场景，为企业提供智能化服务支撑。一、AI软件中台的核心架构AI软件中台的核心架构包含三个关键层次：技术能力层、数据服务层和应用支撑层。技术能力层集成具体业务场景中。这三个层次相互协同，形成一个完整的AI能力供给体系。技术能力层为整个中台提供算法支撑，数据服务层确保数据质量，应用支撑层实现能力输出，共同构建起AI软件中台的技术底座。二、AI软件中台的建设路径建设中台需要从基础设施、算法模型和服务能力三个维度着手。基础设施包括计算资源、存储资源和网络资源，需要具备弹性扩展能力。算法模型建设要结合企业业务特点，构建领域专用的模型库。服务能力建设则要缩短到天级。统一的API接口降低了AI技术的使用门槛，使业务人员也能便捷地使用AI能力。在业务创新方面，AI软件中台提供了强大的技术支撑。企业可以基于中台能力，快速构建智能客服、智能推荐、智能风控等创新

构建AI软件中台：赋能企业智能化转型在数字经济时代，人工智能技术正以前所未有的速度重塑着各行各业。企业要实现智能化转型，构建AI软件中台已成为必然选择。AI软件中台不是简单的技术堆砌，而是一个系统化的能力平台，它通过整合AI技术能力、数据资源和业务场景，为企业提供智能化服务支撑。一、AI软件中台的核心架构AI软件中台的核心架构包含三个关键层次：技术能力层、数据服务层和应用支撑层。技术能力层集成具体业务场景中。这三个层次相互协同，形成一个完整的AI能力供给体系。技术能力层为整个中台提供算法支撑，数据服务层确保数据质量，应用支撑层实现能力输出，共同构建起AI软件中台的技术底座。二、AI软件中台的建设路径建设中台需要从基础设施、算法模型和服务能力三个维度着手。基础设施包括计算资源、存储资源和网络资源，需要具备弹性扩展能力。算法模型建设要结合企业业务特点，构建领域专用的模型库。服务能力建设则要缩短到天级。统一的API接口降低了AI技术的使用门槛，使业务人员也能便捷地使用AI能力。在业务创新方面，AI软件中台提供了强大的技术支撑。企业可以基于中台能力，快速构建智能客服、智能推荐、智能风控等创新

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•...

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：

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。

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"}...

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...

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