湖仓一体服务案例

清洗的、模型化的数据，共同存储于一体化的“湖仓”中，既能面向业务实现高并发、精准化、高性能的历史数据、实时数据的查询服务，又能承载分析报表、批处理、数据挖掘等分析型数据集市业务，实现“湖仓集一体”。湖仓一体应用案例某大型集团星环科技助力某大型集团建立一个以数据驱动为核心，以技术支撑为基础的湖仓一体平台，全面赋能该企业一体化协同、管理创新和业务创新。充分整合和管理该企业各个系统全生命周期数据、快速挖掘数据接口统一架构，汇聚了21个业务系统以及互联网、外部机构、实时流的数据，形成了企业数据资产，为CRM等平台提供大数据服务；并基于统一的SQL接口能力，完成了六大方向重点应用的业务平滑迁移。形成了统一数据管理、统一服务管理、统一运维管理、统一安全管理的湖仓一体平台管理门户。星环湖仓一体解决方案星环湖仓一体解决方案加强数据湖和数据仓库技术相结合，通过统一的SQL编译引擎、统一的计算引擎、统一的存储管理系统以及统一的资源管理系统四个统一技术，避免数据移动，将原始的、加工，赋能业务，综合提升企业管理和运营能力。某大型央企星环科技助力某大型央企建立湖仓一体集群域，支撑中心数据分析和业务支撑。基于星环科技的湖仓一体平台的统一资源管理、统一存储管理、统一分布式计算引擎、统一

湖仓一体流批一体架构结合了数据湖和数据仓库的优势，并在此基础上实现了流处理和批处理的深度融合。以下是湖仓一体流批一体的几个主要优势和应用场景：实时响应与数据一致性：流批一体架构能够实时处理数据流和高效利用。简化开发与运维：湖仓一体架构通过支持实时数据流处理和批处理，能够快速响应用户的查询请求，尤其适合于实时数据分析场景。此外，湖仓一体架构还能够自动构建索引和缓存，加速查询。数据多样性与成本控制：湖仓一体的技术架构可以保证数据一致性，将不同数据源的数据集中存储在一起，通过数据湖和数据仓库之间的数据同步与集成，可以保证数据的一致性和准确性，避免了数据冗余和不一致的问题。同时，湖仓一体的架构可以降低数据存储和处理的成本，通过将数据按照不同的存储需求进行分类，可以实现成本和资源的优化控制，提高数据存储和处理的效率。应用场景：湖仓一体流批一体架构在多个场景下展现出亮点，包括流式数据计算、实时多维分析、流批数据复用等。弹性扩展：通过统一的计算引擎和调度系统，流批一体架构能够更高效地利用计算资源，避免资源的闲置和浪费，降低企业的IT成本。此外，存算分离架构允许企业根据业务需求动态调整存储和计算资源，实现资源的弹性扩展

生产数据的实时监控和分析，提高生产效率和产品质量。医疗健康：湖仓一体架构可以支持医疗健康领域的数据分析和决策支持，提高医疗服务质量和效率。实时数据处理：湖仓一体可以快速地处理大规模的实时数据，支持实时数据湖仓一体是一种融合了数据湖和数据仓库优势的新型数据管理和分析架构。以下是它的一些关键技术特点和应用场景：技术特点：存储与计算分离：湖仓一体架构采取存储计算分离的设计，使得存储和计算可以分别根据自动化元数据采集。高可用性：湖仓一体架构使用云对象存储，具有高可用性和高耐用性。支持多种数据类型：包括结构化、半结构化和非结构化数据。数据可治理：在保证数据完整性的同时，具有健全的治理和审计机制，能够能力和数据容量。开放型：采用开放、标准化的存储格式，并提供丰富的API支持。应用场景：金融行业：湖仓一体架构能够帮助金融机构实现数据的统一存储和管理，提高数据处理和分析的效率，支持风险评估、业务决策和监管合规等场景。零售行业：通过湖仓一体架构，零售企业可以更高效地处理销售数据、库存数据、顾客行为数据等，为精准营销、库存管理、供应链优化等提供有力支持。制造业：在制造业中，湖仓一体架构可以帮助企业实现

一、湖仓一体技术架构湖仓一体架构旨在融合数据湖和数据仓库的优势，形成一体化、开放式的数据处理平台。通过将数据湖作为中央存储库，围绕数据湖建立各种提供服务的站点，如数据仓库、机器学习站点、大数据处理站点等，实现数据的无缝调度和管理。湖仓一体的架构由存储层和计算层组成，计算层的数据来源于存储层。二、湖仓一体的实践路径湖上建仓定义：基于云存储或第三方对象存储的云数据湖架构，或以开源Hadoop生态体系为基础，引入数据仓库的数据治理能力，实现数据湖到湖仓一体的进化。实现方案：通过统一调用接口方式调用计算引擎，实现数据的统一存储和管理。仓外挂湖定义：以MPP数据库为基础，使用可插拔架构，通过开放接口对接外部存储实现统一存储。实现方案：在存储底层共享一份数据，计算、存储完全分离，实现从强管理到兼容开放存储和多引擎的过渡。三、湖仓一体的基本能力湖仓数据集成统一外部数据源管理：支持关系型数据库存算分离：支持数据存储和计算资源独立部署，动态扩缩容存储、计算资源。存储分级：支持数据的冷、热分级存储。湖仓计算统一计算引擎：支持多种计算引擎，实现数据的高效处理。查询性能优化：通过缓存加速、谓词下推等

湖仓一体数据治理是确保数据湖仓一体架构中数据的准确性、一致性和可靠性的关键。以下是湖仓一体数据治理的一些核心组成部分和实践步骤：数据治理策略：数据治理策略是业务的数据治理操作模型，定义了组织如何计划指标：建立关键绩效指标(KPIs)和数据治理指标对于衡量任何数据治理部署的有效性至关重要。选择合适的KPIs和指标来支持数据治理目标。统一的数据管理：湖仓一体架构需要一个强大的数据治理框架来确保数据质量、元数据管理和血统追踪。数据湖仓一体特性：湖仓一体可以提供数据版本控制、治理、安全性和ACID属性。它支持在数据摄入阶段就进行数据校验和清洗，确保数据的准确性和一致性。实现数据治理目标。它包括确保数据的准确性、一致性和可信度，帮助数据用户快速找到高质量数据，提高生产力和决策速度。提高运营效率和降低成本：有效的数据治理可以为组织创建数据资产的单一真实来源，防止数据扩散：创建数据治理策略需要考虑业务目标和一系列运营因素，并规划如何实现以下步骤/任务：设定数据治理目标、获得高级管理团队和数据治理委员会的支持、建立数据治理委员会以创建相关政策和程序、雇佣或培训必要的

湖仓一体是一种融合了数据湖和数据仓库优势的新型数据管理和分析架构。以下是湖仓一体的一些关键技术和特点：存储与计算分离：湖仓一体架构采取存储计算分离的设计，使得存储和计算可以分别根据业务的需求进行独立打破数据孤岛，减少数据搬迁和数据一致性问题。统一元数据管理：支持异构数据的统一元数据管理，实现端到端的数据链路的自动化元数据采集，支持全链路血缘，一键式分析技术、业务、操作元数据详情。高可用性：湖仓一体架构使用云对象存储，具有高可用性和高耐用性。技术架构：湖仓一体的架构由存储层和计算层组成，计算层的数据来源于存储层。存储层主要由云存储、开放的文件格式和开放的表格式组成。支持事务一致性：湖仓一体架构通过引入ACID事务特性，确保数据在实时处理过程中的一致性和准确性。提供高并发实时处理能力：利用分布式计算和流处理技术，湖仓一体架构能够支持高并发的实时数据处理需求，满足企业对实时业务决策的需求。统一数据存储：湖仓一体架构将数据湖和数据仓库统一到一个平台上，实现数据的统一存储和管理，降低数据冗余和复杂性。多元数据分析：支持多种数据分析工具和技术，如SQL、大数据处理框架等，以满足企业多样化的数据

，提供个性化的金融产品和服务。提升批处理能力：湖仓一体平台作为全行级数据处理中心，具备海量数据的采集、存储与分析处理能力，显著提升了批处理能力。降低数据处理时延：依托湖仓一体平台强大的实时计算引擎，结合业务特性以及存贷款模型特点，将实时数据处理细分为流水类实时数据、实时模型宽表及实时业务指标等类别，极大地提高了数据的时效性。强化数据服务能力：湖仓一体平台基于数据中台对外提供统一的数据服务，包括批量文件服务、实时接口服务、消息队列服务的方式，同时具备服务管控，实现服务管理与监控。银行采用湖仓一体架构可以带来多方面的优势，以下是一些关键点：数据管理能力提升：湖仓一体架构具备完善的数据管理能力，能够实现数据的统一存储、统一运维、统一计算和统一SQL。这种架构整合了数据湖和数据仓库的优势，创建了一体化和开放式的数据处理平台，允许底层统一存储和管理多种类型的数据。数据可追溯性：湖仓一体支持数据的及时追溯，增强了数据的透明度和可追溯性，这对于金融行业来说尤为重要。支持丰富的计算引擎：湖仓一体架构支持丰富的计算引擎，这些计算引擎能够显著提升数据处理速度，满足银行对实时分析和快速响应的需求。数据实时性提高：湖仓一体架构提高了数据的实时性，使得银行能够更快地响应市场变化和客户需求

概念实现湖仓一体无服务器化部署。Severless化可简化使用流程和优化成本，帮助用户更专注业务本身，而非技术逻辑;提供按需计费，实现高效资源利用。三是AI助力湖仓一体资源调度更顺畅。AI技术使得湖仓一体的运维、部署更加智能，资源调度更加顺畅，打通数据和业务智能化之间的阻隔，实现价值闭环。为给社会各界深入了解湖仓一体技术与产业提供有价值的参考，大数据技术标准推进委员会牵头，联合行业专家共同编制《湖仓一体技术与产业研究报告(2023)》，聚焦于湖仓一体技术，详细梳理了数据平台发展历程、湖仓一体实践路径，研究分析了湖仓一体产业现状，并对湖仓一体未来发展进行了展望与研判。报告认为，湖仓一体的本质是异构数据平台走向一体化的过渡阶段：➢湖仓一体行业正处在发展初期，总的来看湖仓一体并不是个纯技术攻关工作，而是技术逐步融合、整合的过程。➢湖仓一体的核心是实现“湖里”和“仓里”数据、元数据无缝打通，并可自由流动。➢目前，业界在湖仓一体技术的研究主要集中在统一元数据管理、统一存储等方面，仍需持续深耕。报告认为的三点趋势分别是一体化、Serverless化、智能化：一是进一步简化数据架构实现一体化，屏蔽底层复杂性，一站式满足企业实时分析、交互查询、智能探索等高价值数据洞察诉求。二是利用云原生

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...

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

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。

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。...

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"}...

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

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...