时序数据库迁移

过下线处理，平滑地迁移至TimeLyre中，并且在迁移过程中可以保证监控系统在线持续运行。作为星环自研的时序数据库，TimeLyre平滑替代influxQL，在保证客户业务稳定运行的同时，也为客户业务数据、业务平台提供了安全可靠的高性能国产化解决方案。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。分布式时序数据库TranswarpTimeLyre应用场景时序数据存储与检索：TimeLyre是一个分布式时序数据库，可以满足海量时序数据的存储与检索，支持海量设备测点数据的同时入库。使用分布式架构，可以横向扩展，数据提供一致性和多副本容灾。底层的存储模块通过块状索引、时间有序存储等方式，满足时序数据的快速检索，非常适合制造业、能源等行业设备采集数据的存储与检索。时序数据复杂分析：TimeLyre除了提供毫秒级的时序检索以外，还支持时序数据本身的海量数据分析，如趋势分析、数据统计等。时序数据库

时序数据库具有以下特性：时序特性：每条数据都有一个时间戳，时间戳精度可以根据需求，采样频率也可根据可感知的周期频率或不可感知的网站PV/UV进行离散型采样。数据特性：时序数据是顺序可追加的，同时也是多维可关联的，数据有不同的指标。时序数据存在冷热归档特性，靠近当前时间的数据价值高，时间较远的数据价值则逐渐降低。时序数据包含具体的数值、状态和事件。CRUD特性：时序数据库的读写类似LSM数据库，写操作频率大于读，存在一定时间窗口。通常情况下，时序数据库不会更新数据，而是支持覆盖写和批量删除操作。时序数据库需要支持高可用、高可靠和可伸缩的特性，但不具备事务能力。时序数据库可以广泛应用于物联网、金融、电力等领域，以解决大量时序数据的存储、处理和分析问题，从而为业务决策提供有力支持。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。

过下线处理，平滑地迁移至TimeLyre中，并且在迁移过程中可以保证监控系统在线持续运行。作为星环自研的时序数据库，TimeLyre平滑替代influxQL，在保证客户业务稳定运行的同时，也为客户业务数据、业务平台提供了安全可靠的高性能国产化解决方案。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。分布式时序数据库TranswarpTimeLyre应用场景时序数据存储与检索：TimeLyre是一个分布式时序数据库，可以满足海量时序数据的存储与检索，支持海量设备测点数据的同时入库。使用分布式架构，可以横向扩展，数据提供一致性和多副本容灾。底层的存储模块通过块状索引、时间有序存储等方式，满足时序数据的快速检索，非常适合制造业、能源等行业设备采集数据的存储与检索。时序数据复杂分析：TimeLyre除了提供毫秒级的时序检索以外，还支持时序数据本身的海量数据分析，如趋势分析、数据统计等。时序数据库

过下线处理，平滑地迁移至TimeLyre中，并且在迁移过程中可以保证监控系统在线持续运行。作为星环自研的时序数据库，TimeLyre平滑替代influxQL，在保证客户业务稳定运行的同时，也为客户业务数据、业务平台提供了安全可靠的高性能国产化解决方案。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。分布式时序数据库TranswarpTimeLyre应用场景时序数据存储与检索：TimeLyre是一个分布式时序数据库，可以满足海量时序数据的存储与检索，支持海量设备测点数据的同时入库。使用分布式架构，可以横向扩展，数据提供一致性和多副本容灾。底层的存储模块通过块状索引、时间有序存储等方式，满足时序数据的快速检索，非常适合制造业、能源等行业设备采集数据的存储与检索。时序数据复杂分析：TimeLyre除了提供毫秒级的时序检索以外，还支持时序数据本身的海量数据分析，如趋势分析、数据统计等。时序数据库

。TimeLyreAPI提供类pandasDataFrame的API接口，便于业务迁移;基于分布式时序数据库大大提升运算能力，提供亿级数据量下的高速运算支持。相同场景下达到pandas单机性能60倍。时间+数据构成的时序数据，成为今天重点关注的对象。星环科技自研的高性能时序数据库TimeLyre可以替代开源时序数据库InfluxDB，解决开源时序数据库不支持复杂分析，只能做简单点查或者指定设备分析，大规模设备情况下，不指定设备查询时，需要使用大量内存载入全量设备数据，并进行归并排序操作，服务极其不稳定，以及缺乏安全可控性等问题。星环科技推出了解决时序数据存储和分析计算的可靠高性能数据库TimeLyre9.1存储压缩比高，在常见的时序数据上可达5~20倍压缩率以上，远优于传统数据库，单节点磁盘可用容量高，可大大节约成本。同时，TimeLyre9.1统一标准SQL，支持完整的标准SQL查询，打破数据孤岛，支持对不同存储模型数据表进行跨模分析，支持国产化软硬件平台，支持异构集群部署。在应用上，星环科技携手某头部券商，利用星环时序数据库TimeLyre打造智能投研一体化平台，提升投研效率

过下线处理，平滑地迁移至TimeLyre中，并且在迁移过程中可以保证监控系统在线持续运行。作为星环自研的时序数据库，TimeLyre平滑替代influxQL，在保证客户业务稳定运行的同时，也为客户业务数据、业务平台提供了安全可靠的高性能国产化解决方案。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。分布式时序数据库TranswarpTimeLyre应用场景时序数据存储与检索：TimeLyre是一个分布式时序数据库，可以满足海量时序数据的存储与检索，支持海量设备测点数据的同时入库。使用分布式架构，可以横向扩展，数据提供一致性和多副本容灾。底层的存储模块通过块状索引、时间有序存储等方式，满足时序数据的快速检索，非常适合制造业、能源等行业设备采集数据的存储与检索。时序数据复杂分析：TimeLyre除了提供毫秒级的时序检索以外，还支持时序数据本身的海量数据分析，如趋势分析、数据统计等。时序数据库

星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序TimeLyre解决海量测点高吞吐流式插入，提供高压缩率节省存储成本提供SQL查询方便业务扩展。项目成果：成功完成了基于时序数据库的应用平台搭建，可满足海量点位数据的实时入库及分析，同时提供高压缩关联分析。项目成果：成功完成了基于金融版时序数据库的量化交易平台搭建，可满足高频数据的导入、存储、检索分析与业务使用;显著提升策略可利用行情数据的范围，可分析与回测多年的高频数据;通过原生分布式的存算查询、嵌套查询等复杂SQL支持。项目成果：帮助客户解决了传统数据库单点性能不足的历史问题，使用时序数据库新方案来支撑业务，共同打造了更具亮点的整体解决方案。案例三：某量化交易平台场景：支持多种高频行情的存储精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。案例一：某能源化工客户场景：支持海量时序数据大吞叶量插入，使用统一的大数据平台处理。解决方案：采用

星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序TimeLyre解决海量测点高吞吐流式插入，提供高压缩率节省存储成本提供SQL查询方便业务扩展。项目成果：成功完成了基于时序数据库的应用平台搭建，可满足海量点位数据的实时入库及分析，同时提供高压缩关联分析。项目成果：成功完成了基于金融版时序数据库的量化交易平台搭建，可满足高频数据的导入、存储、检索分析与业务使用;显著提升策略可利用行情数据的范围，可分析与回测多年的高频数据;通过原生分布式的存算查询、嵌套查询等复杂SQL支持。项目成果：帮助客户解决了传统数据库单点性能不足的历史问题，使用时序数据库新方案来支撑业务，共同打造了更具亮点的整体解决方案。案例三：某量化交易平台场景：支持多种高频行情的存储精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。案例一：某能源化工客户场景：支持海量时序数据大吞叶量插入，使用统一的大数据平台处理。解决方案：采用

时序数据库的特点包括：处理时间序列数据：专门用于处理时间序列数据的数据库，能够快速效地处理海量数据。具有高度的时效性：可以实现及时的数据更新和查询。支持大规模并行计算：能够处理多个节点上的数据，并发清洗、聚合、统计、分析和预测等操作，为业务提供更多的价值。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技研发的企业级分布式时序数据库，产品基于星环科技大数据产品生态设计与实施，具备高吞吐实时写入、时序精确查询、超高数据压缩率等特点，可以有效支撑物联网、能源制造、金融量化交易领域等多种时序数据业务场景。执行复杂查询，提高查询效率。具有高可扩展性和高可用性：可以动态扩展节点数目，以应对不同数据规模的需求，同时可以实现数据备份和灾备恢复等操作，提高数据的可靠性。提供丰富的数据处理和分析能力：可以进行数据

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

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

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...

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"}...

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•...

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...

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：