国内宽表数据库工具有哪些

复杂多变的数据成为各单位机构面临的一大难题。基于上述的挑战，星环推出了TranswarpHyperbaseNoSQL宽表数据库，用来满足企业级用户经济灵活高效地管理数据的需求。Hyperbase能够随着信息时代的到来，数据已逐渐成为金融、企业、政府、运营商等单位机构的重要决策依据。以传统关系型数据库为代表的技术由于性能，成本，可扩展性等缺陷，很难满足爆炸式数据增长的需要，如何经济高效地管理海量迁移工具，不仅能大幅度降低企业级用户数据应用变更和数据平台迁移的实施成本，还满足了用户在统一的数据平台上同时支撑新老业务的需求，大幅度降低了企业的运维成本。轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩，从而进一步提升集群的运行速度以及处理能力，轻松应对百万级高并发的查询业务。Hyperbase支持以标准SQL为接口的高效数据访问，并提供高效的数据

ERP底层的交易数据库国产化，能给为企业带来哪些好处?降低成本：国产化交易数据库可以降低企业的采购成本，因为国产数据库通常价格更低，而且在国内更容易获得技术支持和售后服务。提高效率：国产化交易数据库应对市场竞争和变化。近年来，国内数据库技术取得了长足的发展，涌现出一批具有竞争力的国产数据库产品。这些产品在性能、可靠性、安全性等方面已经达到甚至超过了国外同类产品的水平，能够满足国内ERP系统的需求可以提高企业的运营效率，因为国产数据库通常更适合国内企业的业务需求，更容易与企业的其他系统集成，从而提高数据处理速度和准确性。增强安全：国产数据库通常更注重国内法律法规和政策要求，能够更好地保护企业的企业信息安全。促进创新：国产数据库通常拥有更高的自主研发能力和技术创新能力，能够为企业提供更多元化的产品和服务。同时国产化交易数据库可以提高企业的竞争力，更能够满足国内企业的业务需求，能够帮助企业更好地。国内某家ERP企业完成与星环科技分布式交易型数据库KunDB的适配测试，在用户应用中ERP软件与星环KunDB完美配合，表现优异，不但实现了ERP和底层数据库的国产化替代，保障用户信息系统的安全，而且为企业业务运营和创新打下坚实的基础。

随着信息化建设的不断发展，数据库已经成为现代社会信息化发展的重要支撑和核心工具。国产数据库，也就是指国内自主研发的数据库产品，经过多年的发展，已经逐渐成熟。星环科技经过多年的自主研发，打造了一系列缓存、高并发数据存储、实时或限时业务支持等应用。星环分布式宽表数据库-HyperbaseHyperbase是星环科技研发的分布式宽表数据库，支撑百万级高并发、毫秒级低延时业务需求，形成了可支撑时序数据各类业务场景、支持高吞吐实时写入、时序精确查询、多维检索等多功能时序数据库产品。Timelyre可支持分布式水平扩展，同时具有很高的压缩率可以支持海量时序数据的存储，可以有效支撑金融星环研发的国产分布式时空数据库，具有高扩展性，可支持大规模矢量数据、遥感影像数据、数字高程数据、时空轨迹数据等PB级海量数据的存储与计算，内置了时空索引、空间拓扑几何、遥感影像处理等高效算法，具有完备高性能国产数据库产品，助力企业实现数据库的自主可控。并在产品架构、功能、性能、安全、运维、易用性等方面得到大幅提升。星环分布式数据库-ArgoDBArgoDB是星环科技自主研发的面向数据分析型业务场景的

国产信创数据库指的是基于国内技术和资源研发的数据库系统。国产信创数据库在性能、安全性、可靠性等方面具有较高的表现，并且在各自的领域和应用场景下都有广泛的应用。与传统数据库相比，信创国产化数据库更符合在金融、政府和社交网络等多个行业领域应用于反洗钱、风险控制、营销等多种场景。分布式宽表数据库-TranswarpHyperbaseHyperbase是星环科技研发的分布式宽表数据库，支撑百万级高并发表数据库-TranswarpHyperbaseHyperbase是星环科技研发的分布式宽表数据库，支撑百万级高并发、毫秒级低延时业务需求。Hyperbase支持结构化数据，及文本、图像、视频、对象等非中国企业的需求，具有更高的安全性、稳定性和适应性。近年来，随着信创产业的快速发展，国产数据库在各个行业中的应用逐渐增多，特别是在政府、金融、电信等领域。信创国产化数据库的意义主要体现在以下几个方面并经过TPC官方审计的数据库产品。分布式时空数据库-TranswarpSpactureSpacture是星环研发的国产分布式时空数据库，具有高扩展性，可支持大规模矢量数据、遥感影像数据、数字高程数据

图数据库是现代数据库系统中的一种，它主要的特点就是使用了图论的概念来进行数据管理。传统的关系型数据库通常是基于表和列的结构进行数据管理，而图数据库则是构建了节点和边的图形结构，可以更好的表示现实世界、数据关系复杂的场景具有重要意义。2.高效地关系查询和分析：图数据库具有高效的关系查询和分析能力。对于一个大规模的图，传统的SQL查询方式显然不能满足查询时间的要求。而图数据库则可以通过图数据库内部的算法数据库可以通过简单的集群扩展方式来实现性能的提升。而且，图数据库的分布式能力也可以让其在多个节点上进行操作，提高了系统的容错能力和加载能力。4.元素和关系度量：图数据库具有丰富的元素数据和关系数据量度方式完整的表现和管理。图数据库具有很多优点，它在处理复杂的数据之间的关系和结构时非常发挥其作用，尤其是在传统的关系型数据库遇到瓶颈的时候。图数据库正越来越被广泛的应用于社交网络、数据分析和物联网等领域。星环关键词，星环科技作为图计算平台国内代表厂商入选信通院“图计算平台”关键词图谱。此前更是通过了中国信通院图数据库和图计算平台基础能力两项专项测评。同时在全球著名咨询机构Gartner近日发布的《图数据库管理

关系型数据库是采用关系模型进行数据组织的一种数据库。其使用行和列的形式将数据以易于用户理解的方式进行存储，每个表代表着的一个特定领域。多个表结构的组合便构成了一个关系型数据库。用户可以通过查询来查找分布式交易型数据库-TranswarpKunDBKunDB是星环科技基于分布式技术自主研发的国产化的交易型数据库，提供完整的关系型数据库的能力，高度兼容SQL，保证事务ACID。KunDB具有业内领先的保驾护航。而且KunDB已经通过了工信部分布式数据库测试、央行数据库标准测试等多项权威测试认证，入选了Gartner《中国数据库市场指南》、爱分析《中国分析型数据库市场研究报告》，并获得金猿奖“2021数据库中的数据，查询即限定数据库中某些区域的执行代码。关系模型就是将组织成二维表格模型的方式。因此，一个关系型数据库就是由多个二维表格及其之间的关组成的一种用于数据组织的数据库。星环关系型数据库星环事务处理性能，SQL兼容性以及新的分布式查询优化技术，支持复杂查询且性能是MySQL的10倍以上，充分满足高并发、大数据量的交易型业务场景，能够实现MySQL，Oracle等传统主流数据库的国产化替代

InfluxDB等国外开源时序数据库无法满足国内海量数据的存储分析和安全需求开源单机架构，存储和计算能力有限：InfluxDB是Influxdata的一款开源时序数据库，其采用单机部署，不支持分布式商业和安全风险。星环科技国产化分布式时序数据库TimelyreTranswarpTimeLyre是星环科技的一款企业级分布式时序数据库，其支持分布式水平扩展，同时具有极高的压缩率可以支持海量时序数据的存储，提供高吞吐实时写入、时序精确查询、多维检索等功能，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。扩展性、性能、安全等方面领先国外开源时序数据库原生分布式架构，集群灵活扩展，轻松实现海量时序数据存储分析相比与开源时序数据库InfluxDB单机模式存储和计算能力受限，星环科技分布式时序数据库采用原生分布式架构，支持集群在线扩缩容，可满足海量时序数据存储和分析需求特性，理论上性能可以随着集群数据的扩展而线性提升。同时，Timelyre支持InfluxDB不支持的关联等复杂分析，性能接近分布式数据库。标准SQL支持，丰富的API支持，大幅降低学习和对接成本

，SophonLLMOps具有大语言模型和其他任务的编排、调度和上线能力。SophonLLMOps提供Agent、Ops、DAG，结合星环科技的多款大数据、数据库产品，如向量库Hippo和分布式图数据库StellarDB等，将不同大语言模型、传统机器学习、其他流程等编排成符合用户实际领域和业务需求的任务，并为客户提供服务。星环科技SophonLLMOps解决了客户三个核心痛点：首先，提供一站式工具自己的样本仓库能力，覆盖训练数据开发、推理数据开发、数据维护等工作，对大语言模型涉及的原始数据、样本数据、提示词数据做清洗、探索、增强、评估和管理等。第二，SophonLLMOps具有模型运维管理能力为了帮助企业用户基于大模型构建未来应用，星环科技推出了大模型持续提升和开发工具SophonLLMOps，实现领域大模型的训练、上架和迭代。SophonLLMOps服务于大模型开发者，帮助企业快捷地构建自己的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。星环科技SophonLLM-Ops的工具链优势体现在以下几个方面：首先，SophonLLMOps拥有

简单、更便捷的进行大数据分析。为了满足更多用户在存储以及高并发点查方面的需求,此次TDH社区版推出了星环科技自主研发的NoSQL宽表数据库TranswarpHyperbase。TranswarpHyperbase介绍Hyperbase是什么TranswarpHyperbase是星环科技自主研发的NoSQL宽表数据库，支撑百万级高并发、毫秒级低延时业务需求。支持结构化数据，及文本、图像、视频、对象等实时处理应用的需求。传统的通用关系型数据库无法应对在数据规模剧增时导致的系统扩展性和性能问题（分库分表也不能很好解决），很难实现横向扩展，纵向扩展的空间也比较有限。Hyperbase能够轻易地通过在集群中增加或者Hyperbase关系数据库已经流行很多年，尽管Hadoop可以很好地解决大规模数据的离线批量处理问题，但是，受限于MapReduce编程框架的高延迟数据处理机制，使得Hadoop无法满足大规模数据减少硬件数量来实现性能的伸缩，提升集群的运行速度以及处理能力，轻松应对百万级高并发的查询业务。不同于传统的关系型数据库，Hyperbase采用列式存储模式，每个列族都由几个文件保存，不同列族的文件是

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

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":...

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•...

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。...

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。

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

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

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：