国内大数据安全管理企业

大模型时代的到来，给软件开发行业带来了巨大的变革，企业需要一个工具链来开发大模型。星环科技作为国内领先的大数据基础软件开发商，打造数据管理平台的多模态、智能化、敏捷化和平民化产品。为帮助企业构建自己的降本增效与科技创新。求索具备大数据行业需求理解、推理、各类（含多模型）结构化查询语言和OpenCypher代码生成、文本生成、嵌入向量生成、知识推理等能力。借助这一领域大模型，企业的业务人员、数据分析人员以及业务管理者只需使用自然语言，就能利用TranswarpSoLar大模型获取所需的数据分析、展示和报告，轻松地应对各种复杂的数据分析挑战，并快速获得有价值的数据洞察，为企业的业务增长提供原动力。的大模型，星环科技推出了机器学习模型全生命周期管理的工具平台SophonLLMOps，支持从数据接入开发、提示工程、大模型微调、上架部署到应用编排和业务效果对齐的全链路流程，结合自研向量数据库Hippo和分布式图数据库StellarDB，能够赋予大模型“长期记忆”，打破通用大模型的时空限制，用户可以快速便捷地构建深谙企业自有专业领域知识的垂直行业大模型，从而让每个人都拥有个性化AI助理。同时星环

星环科技在大数据领域有多年的积累，同时在数据安全领域有完善的解决方案。星环科技的数据安全管理平台Defensor+大数据基础平台TDH，就能够有效并快速地帮助企业构建安全可信大数据平台，解决数据要素时代面临的安全合规、数据流通问题。TranswarpDefensor是星环科技（星环信息科技）自主研发的数据安全管理平台，结合星环大数据平台的安全能力，可以帮助企业建设以数据为中心的数据安全、统一分布式存储管理、统一资源调度，统一内联架构高效搞定湖仓集一体、HTAP等复杂场景，无需拼凑组件散装架构。在构建安全可信大数据平台过程中，Defensor在上层提供了一些安全合规的工具集，能实现敏感、高并发的在线数据服务、数据集市、数据仓库、数据湖、图存储分析、空间数据存储、实时数据处理等各类大数据业务场景，帮助企业，更全面、更便捷、更智能、更安全地运用数据，加速企业数字化转型。Denfensor或能够在数据泄露后做到可以溯源追踪。TranswarpDataHub（TDH）是星环科技（星环信息科技）自主研发的企业级一站式多模型大数据基础平台，采用领先的多模型统一技术架构，9种存储引擎支持包括

大数据平台国产化替换是指将原有的国外大数据平台或技术替换为国产的大数据平台及相关技术，以实现自主可控、安全可靠、符合国内法规和业务需求的数据处理与管理环境，主要包括以下几个方面：替换原因安全与自主可控需求：随着数据安全重要性的日益提升，国外大数据平台可能存在数据安全隐患，如数据泄露风险、对国外技术供应商的依赖等。国产化替换可以使企业和组织对数据的存储、处理和管理拥有更高的控制权，减少外部安全威胁：国产大数据平台通常在成本方面具有一定优势，包括软件采购成本、维护成本等。同时，国内供应商能够提供更及时、本地化的技术支持和服务，方便企业快速解决问题，提高系统的运行效率和稳定性。替换内容硬件层面：将灵活性。数据管理与分析工具：替换国外的数据可视化工具、ETL工具、BI工具等，使用国产的或开源并在国内进行深度优化的工具，实现数据的高效管理、转换和分析。替换过程评估与规划：对现有大数据平台的业务功能和业务用户进行新大数据平台的培训，使其熟悉平台的操作和使用方法，掌握新的数据分析和处理技能。同时，在企业内部进行推广和宣传，提高员工对国产化大数据平台的认知和接受度。运维与优化：建立完善的运维管理

国产大数据基础平台是由国内企业或科研机构自主研发的，用于进行大规模数据存储、计算、管理和分析的基础软件平台，具有以下特点和功能：特点自主可控：核心技术和源代码由国内团队掌握，不受国外技术限制，可根据、数据安全管理等功能，帮助企业建立完善的数据治理体系，提高数据质量和管理效率。支持数据血缘分析、数据资产盘点等功能，方便用户了解数据的来源、流向和使用情况。数据集成与共享：具备强大的数据集成能力，能够与管理工具，对大数据平台的运行状态、资源使用情况、任务执行情况等进行实时监控和管理。支持集群管理、节点管理、任务调度、资源分配等功能，方便运维人员进行平台的维护和管理。应用场景政府领域：用于智慧城市建设、金融监管等方面发挥重要作用，帮助金融机构提高风险管理能力和业务运营效率。例如，利用大数据分析客户的信用风险、交易行为等，为信贷审批和风险预警提供依据。电信行业：支撑电信运营商的客户关系管理、网络优化安全生产。例如，通过对电力系统的实时数据进行分析，优化发电计划和电网运行。工业领域：助力工业企业的生产制造、供应链管理、设备故障诊断等，实现工业智能化转型。如通过对生产设备的运行数据进行分析，提前预测设备故障，减少停机时间。

科技自主研发的数据安全管理平台，结合星环大数据平台的安全能力，可以帮助企业建设以数据为中心的数据安全防护体系。Defensor能够帮助企业对敏感数据进行分类分级，并在此基础上，监控敏感数据的使用，能对星环科技作为国内企业级大数据基础软件开发商，以引领行业技术发展和助力各行各业数字化转型为使命，经过多年自主研发，形成了大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵、高并发、高可用、数据灾备等特性。KunDB主要面向高并发、低延迟、大数据量的交易型业务场景。除此之外，也可以支持传统的企业生产、经营和管理业务，在技术上能够提供更好的可运维性、数据一致性和可靠性保证、治理、服务和共享等数据处理全生命周期的企业级管理能力。结合星环科技大数据基础平台（简称TDH）业界创新的多模态的大数据处理能力，能够提升企业构建数据中台、数据仓库、数据湖等系统的效率，更高效地实现，是国内较早推出数据云产品和解决方案的企业。截至目前TDC已经为政府、银行、基金、能源等多个行业提供完整的数字化建设解决方案。Defensor-数据安全管理平台TranswarpDefensor是星环

保障大数据安全需要从数据源、数据存储、数据处理和数据应用等环节进行考虑，同时采取相应的技术和管理措施来保障数据的安全性和隐私性。数据泄漏：数据泄漏是大数据安全的重要问题之一。数据泄漏可能是来自于内部保障大数据的安全性，需要实现网络安全防护和入侵检测等方式。需要对系统进行适当的监控、网络安全访问控制、加强安全日志监控，及时发现和回应网络攻击。安全管理：安全管理包括数据分类、数据备份和存储、数据加密等方面。通过合理的数据分类，可以对不同的数据进行不同的安全措施。备份和存储也是大数据安全的常用策略，确保数据的可靠性和恢复性。在安全管理中，加密技术可以防止数据被未经授权的人访问和篡改。建立完善的安全策略和紧急预案，是保障大数据安全不可或缺的环节。应该建立严密的安全保卫体系，密切监控系统和网络。关于人员安全意识方面，企业应该定期对员工进行安全培训，增强员工安全意识。大数据的发展和应用给我们带来了很多保护和定期的安全漏洞扫描和修补也是解决数据泄漏问题的重要手段。网络攻击：网络攻击是指利用互联网或计算机网络漏洞，对网络系统和数据进行破坏、窃取和篡改等行为。大数据安全的很大威胁是网络攻击。为了有效地

国产化大数据底座平台是指在大数据领域，从硬件到软件全部或主要采用国产自主研发的技术和产品构建的大数据基础平台，以实现自主可控和安全可靠的数据处理与管理。以下是对其的具体介绍：特点自主可控：核心技术和研发的工具或系统对数据进行全生命周期的管理和监控。应用场景政府领域：政府部门需要处理大量的政务数据，如人口信息、经济数据、城市运行数据等，国产化大数据底座平台可确保数据的安全和自主可控，为政府决策、公共服务、社会治理等提供有力支持。金融行业：金融机构对数据的安全性和稳定性要求极高，国产化大数据底座平台可以满足金融数据的存储、分析和风险管控等需求，同时也符合金融信创的要求。能源行业：能源企业需要处理大量的生产数据、设备运行数据等，国产化大数据底座平台可以帮助能源企业实现数据的高效管理和分析，提高能源生产效率和管理水平。工业领域：在工业互联网、智能制造等场景中，国产化大数据底座平台可以实现对工业生产过程中的海量数据进行采集、存储、分析和应用，助力企业实现智能化生产和管理。关键组件由国内企业或机构自主研发，拥有完全的自主知识产权，不受国外技术限制和潜在的安全风险影响，降低对国外技术和产品的依赖。安全可靠：通常在数据安全方面有更严格的设计和措施，可更好地满足国内企业和机构

国产化大数据底座平台是指在大数据领域，从硬件到软件全部或主要采用国产自主研发的技术和产品构建的大数据基础平台，以实现自主可控和安全可靠的数据处理与管理。以下是对其的具体介绍：特点自主可控：核心技术和生命周期的管理和监控。应用场景政府领域：政府部门需要处理大量的政务数据，如人口信息、经济数据、城市运行数据等，国产化大数据底座平台可确保数据的安全和自主可控，为政府决策、公共服务、社会治理等提供有力支持。金融行业：金融机构对数据的安全性和稳定性要求极高，国产化大数据底座平台可以满足金融数据的存储、分析和风险管控等需求，同时也符合金融信创的要求。能源行业：能源企业需要处理大量的生产数据、设备运行数据等，国产化大数据底座平台可以帮助能源企业实现数据的高效管理和分析，提高能源生产效率和管理水平。工业领域：在工业互联网、智能制造等场景中，国产化大数据底座平台可以实现对工业生产过程中的海量数据进行采集、存储、分析和应用，助力企业实现智能化生产和管理。关键组件由国内企业或机构自主研发，拥有完全的自主知识产权，不受国外技术限制和潜在的安全风险影响，降低对国外技术和产品的依赖。安全可靠：通常在数据安全方面有更严格的设计和措施，可更好地满足国内企业和机构

信创大数据平台是信息技术应用创新（信创）领域中，专注于大数据存储、处理、分析和管理的综合性平台，旨在满足国内各行业在数字化转型过程中对数据资源利用的需求，同时保障信息安全可控，具有以下特点和优势：技术架构与核心组件基础硬件适配：信创大数据平台通常基于国产的服务器、存储设备等硬件构建，确保底层硬件的自主可控，从根本上保障平台的安全性和稳定性，避免因国外硬件产品可能存在的安全漏洞对数据安全造成威胁金融机构的市场竞争力。医疗健康行业：帮助医疗机构整合患者的电子病历、检验检查报告、医学影像等多源数据，实现医疗数据的统一管理和共享。基于大数据分析，可以为临床医生提供辅助诊断决策支持，例如通过分析相似病例不影响数据的正常访问和使用，同时能够轻松应对海量数据的存储需求，支持数据的快速读写操作，满足大数据场景下的高并发访问要求。大数据计算引擎：采用开源大数据计算框架的国产化定制版本，对其进行优化和适配，使其能够更好地在国产硬件和操作系统环境下运行。这些计算引擎可以对大规模数据集进行并行处理，支持批处理、流处理、交互式查询等多种计算模式.数据治理与管理工具：具备完善的数据治理功能模块，包括数据标准制

StellarDB5.0.1版本对图算法场景进行了大规模改进和提升，内置算法性能得到较大提升。在语法方面，StellarDB5.0.1的内置图算法对于返回的节点，会直接以节点类型返回。因此可以直接使用uid(vertex)访问节点的uid，而不再需要node_rk_to_uid函数进行uid的转换。可以参考PageRank等函数。另外，对于图算法返回的节点，我们也可以灵活的访问其其他属性作为返回值。图计算简介StellarDB的图计算使用TEoC语句调用相应图算法。算法的输入数据为图的点、边数据。当前版本中图计算支持结果返回、结果导出和结果写回。在使用图算法时，使用configcrux.execution.modeanalysis;语句切换到分析模式下使用图算法语句。图数据视图StellarDB支持创建一个可被持久化的视图，用于加速图算法执行过程。创建视图创建视图的语法如下所示：createquerytemporarygraphviewGRAPH_VIEW_NAMEas(v)[e]withGRAPH_ALGO(@GRAPH_VIEW_NAME,VIEW_STORE_PATH,CONFI...

StellarDB支持用户添加自定义函数，添加后可在cypher语句中使用。自定义函数实现自定义函数通过java/scala语言开发，可继承实现两种基类，编译成jar包，通过指定命令加载到StellarDB。需要实现的基类为如下两种，可自行选择继承合适的基类：继承UDF基类继承GenericUDF基类。继承UDF基类该类实现简单，功能较为单一。支持Quark的基本类型、数组和Map。适合实现简单的逻辑。继承org.apache.hadoop.hive.ql.exec.UDF类继承UDF类必须实现evaluate方法且返回值类型不能为void，支持定义多个evaluate方法不同参数列表用于处理不同类型数据。@Description(name="my_plus",value="my_plus()-ifstring,doconcat;ifinteger,doplus",extended="Example:\n>selectmy_plus('a','b');\n>ab\n>selectmy_plus(3,5);\n>8")/***实现UDF函数，若字符串执行拼接，in...

3.1在TDH平台安装StellarDB3.2StellarDB安装校验3.3StellarDB低版本升级至StellarDB5.0.1

快速上手本章节将引导您快速熟悉StellarDB，并为您初步介绍如何通过KGExplorer和beeline客户端操作StellarDB。其中，"StellarDB初探"一节通过构建一张人物关系图，从零介绍如何在StellarDB进行基本操作；"StellarDB进阶"一节为您提供了内置于StellarDB的《哈利·波特》人物关系图，帮助您进一步探索StellarDB。StellarDB初探使用KGExplorer构建图从Manager页面进入KGExplorer页面。若KGExplorer开启了单点登录，会自动跳转Federation登录页面，按如图方式登录：KGExplorer用戶开启方法以及详细使用说明请查看章节《KGExplorer使用文档》。点击登录后进入KGExplorer主页面。我们首先需要构建图名为"hello_world"的图。在主页面右上角点击创建图按钮开始图谱schema的构建。按照引导填写图基本信息后点击确定进入构建页面。在画布中，我们为"hello_world"图创建Boy和Girl两种类型的点，两种类型的点均包含name、salary、age、single四...

通过beeline或JDBC时，设置参数configquery.langcypher;将查询语言切换为TEoC模式。根据使用场景选择查询模式（默认为immediate模式）immediate模式通常用于并发及短查询场景，查询结果和中间结果通常不超过百万。通过configcrux.execution.modeimmediate;切换。analysis模式通常用于分析场景，创建图、插入数据以及图算法相关的语句必须在该模式下进行。通过configcrux.execution.modeanalysis;切换。

类型表达式类型例子十进制型整数10,-213十进制小数1.25,3.604E-14,-2.31十进制型长整数199345843592l,-12381543923L任意精度的有符号十进制数123bd,123.31BD八进制整数(0开头)084,-096字符串"星环",'信息科技'布尔类型true,false,TRUE,FALSE数组类型[1，2，3],["星环","信息科技"],[decimal(10.2,3,1),decimal(100.2,3,2)],[localdatetime("2021-01-18T09:50:12.627"),localdatetime("2021-11-18T03:50:12.113")]时间类型localdatetime("2021-01-18T09:50:12.627")Decimal类型decimal(10.2,3,1)地理空间类型point(20.5,30.5),point(-20.5,-30.5)时序类型{localdatetime("2023-01-01T15:16:17")::"nice"},{localdatetime("1997-01-01...

声明简介声明是指为特定数据类型的变量分配一定的存储空间，并命名该变量以便引用它；必须先声明变量，然后才能引用它；对声明的变量可以进行赋值操作来改变它的值；声明的变量其作用域是Session级别的。变量声明使用decl关键字声明一个变量必须为变量指定名称和类型，且名称不能与已有的变量名相同。声明但未赋值的变量的默认值为null。变量名声明对大小写敏感。变量声明的语句遵循如下格式:DECL[<variable_name>:<variable_type>];使用方法示例如下表所示：语句说明declx:int;声明一个类型为int的变量xdecls:string;声明一个类型为string的变量sdecll:long;声明一个类型为long的变量ldeclb:boolean;声明一个类型为boolean的变量bdecld:double;声明一个类型为double的变量ddecltime:localdatetime;声明一个类型为localdatetime的变量timedecld1:decimal;声明一个类型为decimal的变量d1decllist1:list[int...

本章节的示例语句均可在示例图my_graph中执行，执行前请先创建示例图my_graph，建图语句如下:creategraphmy_graphwithschema(:Boy{namestring,salarydouble,ageint,singleboolean,birthdaylocaldatetime,reservelong,ratedecimal(38,10),hobbysarray<string>,geoPointgeo<double>})(:Girl{namestring,salarydouble,ageint,singleboolean,birthdaylocaldatetime,reservelong,ratedecimal(38,10),hobbysarray<string>,geoPointgeo<double>})[:Friend{sinceint}][:Likes{sinceint}]graphproperties:{`graph.shard.number`:3,`graph.replication.number`:...

索引是数据库中某些数据的冗余副本，目的是使查询性能更优。作为代价，数据库需要额外存储空间和较慢写入速度，因此决定哪些字段需要索引是一项重要且不易的任务。（新）StellarDB5.0.1版本不再对旧版本使用的manipulatecreate_index和manipulatedelete_index语法进行支持，在新版本中统一使用createindex和dropindex进行索引的创建和删除新增索引CREATEINDEX[IFNOTEXISTS]FOR(LabelName)ON[f1,f2,...];CREATEINDEX[IFNOTEXISTS]FOR[LabelName]ON[f1,f2,...];不支持对TIME_SERIES类型的属性创建索引默认情况下,对同一个Label的某个属性多次创建索引会报错;但如果带有IFNOTEXISTS,则不会抛出任何错误包裹点边LabelName的括号不同，注意区分示例1.在点labelperson的属性name和age上建立索引CREATEINDEXIFNOTEXISTSFOR(person)ON[name,age];示例2.在边labelask...

为什么引入动态图模型？在实际应用过程中很容易可以发现，图数据在很多图数据的应用场景中并不是静态不变的，而是动态演进的，这些场景中包括例如金融反欺诈场景中金融交易网络随着时间的推进而发生的交易变化、交易社群变化等；又比如社交网络中新增用户、用户关注或者取消关注、更改账户信息等。将图数据变化的历史记录下来，不仅可以用于历史数据规律的总结，还可以利用动态图数据进行动态图神经网络相关技术的研究，从而进一步挖掘数据中潜在的数据价值和更加灵活高效的业务场景，譬如预测某一个时刻某一事件是否会发生。动态图模型的动态变化图数据的动态变化主要分为两类，一类是节点或边的属性的值的变化；另一类变化是子图（结构）的变化，如新增/删除点边。这两种图数据的动态变化可以单独发生，也可以同时发生。从图数据的属性变化角度来看，StellarDB5.0.1动态图模型可以记录图中节点或者边属性的所有历史版本（而非新数据覆盖旧数据）。在实际数据开发使用中，还可以结合诸如柱状图、趋势图等对历史数据进行可视化，更加直观、更加适合业务使用。从图数据的子图（结构）的角度来看，StellarDB5.0.1动态图模型还可以返回不同时间子图...