olap数据库 国产

OLAP（On-lineAnalyticalProcessing）数据库是一种用于支持维分析和数据挖掘的数据库技术。与传统的关系型数据库（RDBMS）相比，具有更强大的分析和查询能力。OLAP数据库，从而做出更准确、更有效的决策。OLAP数据库具有以下特点：面向决策支持：OLAP数据库的设计目的是为了支持决策制定和商务智能，因此它通常包含了许多高级的分析和报表功能，例如数据挖掘、趋势分析、预算比较等。多维数据分析：OLAP数据库的核心是多维数据分析，它允许用户从多个角度和聚合层次对数据进行查询和分析。例如，用户可以按时间、地域、产品等多个维度来分析销售数据，从而得到不同时间段、不同地区、不同产品的销售情况。灵活的数据查询：OLAP数据库支持即席查询，用户可以灵活地构造和修改查询，而不需要编写复杂的SQL语句。此外，OLAP数据库还提供了多维查询语言（MDX），用于在多维数据集上进行查询和计算。快速的数据响应：随着数据规模的不断扩大，OLAP数据库需要能够快速地处理和分析大量数据。因此，OLAP数据库通常采用了一些优化技术，如预计算、缓存、分区等，以提高查询性能。支持多种数据

星环科技经过多年的自主研发，打造了系列国产数据库软件，能够更好帮助企业用户更高效、更平滑、更安全地实现国外进口产品的国产化替代，实现国产数据库的全面自主可控，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。ArgoDB-分布式数据库ArgoDB是星环科技自主研发的面向数据分析型业务场景的国产化分布式多模数据库，代码自研率90%以上，能够一站式替代Hadoop+MPP混合架构，支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力。通过一个ArgoDB数据库，就可以一站式满足数据仓库、实时数据仓库、数据集市、OLAP、联邦计算、湖仓集一体等各种需求。2019年8月，ArgoDB成为全球第四个通过TPC-DS基准测试并经过TPC官方审计的数据库产品。KunDB-分布式交易型数据库KunDB是星环科技自主研发的国产分布式复杂场景需要。StellarDB-分布式图数据库StellarDB是星环科技自主研发的国产分布式图数据库，代码自研率90%以上，兼容openCypher查询语言，提供海量图数据的存储和分析能力，支持

国产化数据库选型需要综合多方面因素进行考量，以下是一些常见的国产数据库及选型要点：选型考量因素技术层面架构特性：根据业务场景选择集中式或分布式架构。集中式数据库适合一致性与稳定性要求高、复杂SQL查询快的场景；分布式数据库则适用于海量数据弹性扩展业务与海量数据的OLAP业务。性能容量：关注数据库的TPCC数据等基准性能，还要针对生产环境典型应用场景进行压力测试，同时考虑数据库架构能否支撑原有数据库的容量。高可用与可靠：了解不同数据库保证数据一致性和高可用的实现原理，如物理日志记录传输、逻辑日志、分布式协议等方式，以及各自在同步效率、延迟和适用场景上的差异。兼容性：包括与现有系统、应用程序、SQL语法以及数据格式等的兼容性，确保替换后业务能正常运行。产品层面内核研发团队：强大的研发团队是数据库持续优化、升级和提供技术支持的保障，可关注团队的技术实力、研发经验和创新能力。金融级案例：有金融级应用案例的数据库，通常在稳定性、安全性和性能方面经过了更严格的考验，能更好地满足企业关键业务需求。生态层面开源社区：活跃的开源社区意味着丰富的技术资源、快速的问题解决和持续的功能迭代，可降低使用和维护

“应用”不重写，“扩展”不困扰，“功能”不妥协。为了更好的服务客户的数据库国产化替代，KunDB3.2提供了高度的Oracle兼容能力，包括完备的PL/SQL支持、SQL方言支持、应用框架支持、驱动支持平滑迁移至国产数据库。在应用上，某金融机构利用星环KunDB替代原有自建的一主多从MySQL集群，性能有显著提升，部分查询通过KunDB副本读，缓解了TP业务竞争压力。业务中台与风控平台使用分布式库，满足未来3年业务增长，可随时扩容。多副本容灾和自动HA提升容灾水平，实现故障时RPO=0。目前，企业IT架构转型面临系统可用性、迁移风险、扩展能力、运维风险等的挑战。新KunDB3.2版本融入星环科技多年的数据库研发经验，以满足金融业务极致稳定的要求为核心，在高可用、Oracle兼容、一体化、智能运维、多场景应用支持等方面能力进行了大幅提升，可支撑各类OLTP应用需求，同时兼顾OLAP数据处理要求，可用于各行业国产化替代升级和分布式架构转型，帮助企业筑牢数字化发展根基等。同时，为了解决客户迁移过程中的痛点，KunDB在3.2版本还提供了便捷易用的图形化迁移校验工具，并提供了类OracleAAS的DBA运维平台，以及更细粒度的安全管控体系，终使得客户的应用和数据能够

仓库、实时数据仓库、数据集市、OLAP、联邦计算等场景。通过不断的打磨和对业务场景不断的落地实践，ArgoDB和KunDB已成为具有完全自主知识产权的成熟的国产数据库，能够为更多的客户提供高性能、高在国产数据库产品方面，星环科技坚持自主研发与技术创新，打造了自主可控的高性能分布式数据库ArgoDB和分布式交易型数据库KunDB，以及分布式图数据库StellarDB等产品。KunDB具备较强的灵活多样，数据库技术也在不断演进。星环科技作为数据库领域的代表性企业，将持续深耕数据库技术创新和应用创新，为用户提供更完备功能，更高性能、更稳定可靠的国产化数据库产品，为我国数据库产业高质量发展贡献力量。可靠、成熟的数据库产品服务，帮助用户应对智能数据时代海量数据的分析与探索。分布式图数据库StellarDB兼容openCypher查询语言，提供海量图数据的存储和分析能力，支持原生图存储结构，支持万亿领域应用，并且在某地电信关系图谱场景实现了万亿边规模的存储和稳定运行，真正意义上将万亿级图数据库能力应用落地。在数据库服务方面，星环科技早在2020年就通过了信通院《数据库服务能力成熟度模型》的实施部署

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化分布式多模数据库，代码自研率90%以上，能够一站式替代Hadoop+MPP混合架构，支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力。通过一个ArgoDB数据库，就可以一站式满足数据仓库、实时数据仓库、数据集市、OLAP、联邦计算、湖仓集一体等各种需求。2019年8月，ArgoDB成为全球第四个通过TPC-DS基准测试并经过TPC官方审计的数据库产品。星环分布式交易型数据库-KunDBKunDB是星环科技自主研发的国产分布式交易型数据库，提供完整的关系型数据库的能力，高度兼容MySQL和Oracle，完整支持OraclePL

星环科技经过多年的自主研发，打造了一系列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化分布式多模数据库，代码自研率90%以上，能够一站式替代Hadoop+MPP混合架构，支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力。通过一个ArgoDB数据库，就可以一站式满足数据仓库、实时数据仓库、数据集市、OLAP、联邦计算、湖仓集一体等各种需求。2019年8月，ArgoDB成为全球第四个通过TPC-DS基准测试并经过TPC官方审计的数据库产品。星环分布式交易型数据库-KunDBKunDB是星环科技自主研发的国产分布式交易型数据库，提供完整的关系型数据库的能力，高度兼容-SpactureSpacture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、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

数据库国产化改造是指将原本使用的国外数据库系统替换为国产数据库系统的过程，以下从改造原因、流程等方面详细介绍：改造原因数据安全：关键行业的大量敏感数据关乎国家安全与经济安全，使用国产数据库可降低数据泄露及被外国势力控制的风险。技术自主可控：依赖国外数据库技术易受制于人，在国际关系紧张或遭遇技术封锁时，关键行业运作可能受严重影响，国产化可保障系统稳定性与可持续性。经济利益：使用国产数据库能减少对国外厂商的费用支出，降低成本，还能推动本土科技企业发展，带动相关产业链进步。改造流程规划阶段需求分析：明确业务对数据库的性能、功能、容量等需求，梳理数据量、并发量、数据存储结构等信息。选型评估：市面上国产数据库品牌众多，需从功能、性能、兼容性、稳定性、服务支持等多方面评估，选择适合业务需求的产品。迁移阶段数据迁移：采用数据迁移工具或编写脚本，将数据从原数据库迁移至国产数据库，要确保数据的完整性、准确性和一致性，可分批次、分阶段进行。应用改造：若国产数据库与原数据库的接口、语法等存在差异，需对应用系统进行相应改造，使其能与新数据库适配。测试阶段功能测试：全面测试应用系统在新数据库环境下的各项功能

国产化数据库是指由中国企业自主研发的数据库管理系统，目的是降低对于国外数据库软件的依赖，提升国家信息安全和技术自主创新能力。国产化数据库通常具有以下特点：自主研发：由中国企业自主研发，具有完全。安全可控：有助于提升国家的信息安全和数据安全。相比国外数据库软件，国产化数据库避免可能存在的安全隐患和后门问题。技术支持：通常由国内企业提供技术支持和售后服务。这可以提高响应速度，并且能够更好地针对，实现大数据基础软件的全面自主可控，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。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化分布式多模数据库数据库，就可以一站式满足数据仓库、实时数据仓库、数据集市、OLAP、联邦计算、湖仓集一体等各种需求。2019年8月，ArgoDB成为全球第四个通过TPC-DS基准测试并经过TPC官方审计的数据库产品。分布式时空数据库-SpactureSpacture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、时空轨迹数据等PB级海量数据的存储与计算，内置了时空

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`:...

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...

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...

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...

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...

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...

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

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...

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。

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...