分布式交易数据库适用的场景

数据库和分布式数据库在概念、架构、特点和适用场景等方面有显著的区别。以下是它们的主要对比：数据库定义：数据库是一个组织良好的数据集合，通常存储在计算机系统中，可以被多个用户访问和共享。它通过数据库、存储）来提升性能。这种方式的扩展能力有限，且成本较高。简单的事务管理：事务管理相对简单，因为所有操作都在同一个节点上进行，不需要复杂的分布式事务协调。适用场景：适合数据量较小、并发请求不高的场景，如小型企业的内部管理系统、简单的在线事务处理（OLTP）系统等。分布式数据库定义：分布式数据库是一个物理上分散但逻辑上集中的数据集，数据分布在不同的站点（或节点）上，并由分布式数据库管理系统进行统一控制。架构：分布式架构：数据和处理分布在多个节点上，这些节点可以位于不同的地理位置。每个节点可以独立处理一部分数据和请求。无单点故障：通过数据冗余和节点间的协调，分布式数据库可以避免单点故障，提高系统的一致性模型：在分布式环境中，保持数据一致性是一个挑战。常见的数据一致性模型包括强一致性、最终一致性和因果一致性等，不同的模型在性能和一致性之间有不同的权衡。适用场景：适合大规模数据、高并发请求的场景

中再次落地,从而加速分布式数据库的研发效率。采用新一代的基于分布式计算的数据库技术,自主研发了分布式交易型数据库KunDB和分布式数据库ArgoDB。基于KunDB与ArgoDB的数据库解决方案,为企业核心业务数据库升级改造、核心分析系统建设、创新应用开发国产化替代等业务场景提供完备的能力支撑。TranswarpArgoDB-星环分布式数据库TranswarpArgoDB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,能够一站式替代Hadoop+MPP混合架构,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，一站式满足数据基准测试并经过TPC官方审计的数据库产品。TranswarpKunDB-星环分布式交易型数据库TranswarpKunDB是星环科技基于分布式技术自主研发的分布式交易型数据库,提供完整的关系型数据库的和可运维性保证，满足自主可控的数据系统建设的需求。KunDB提供全链路高可用、一致性备份恢复等容灾能力，以及完备的安全管理、资源管理能力，可以为不同业务场景保驾护航。而且KunDB已经通过了工信部分布式数据库

超90%，可实现Oralce和MySQL的国产化替代，满足企业关键业务处理、高并发查询、分布式改造、交易分析混合的数据中台等复杂场景，在金融、政务、能源、医疗、交通、教育等多个行业应用，为用户提供高性能、稳定可靠、经济实用的国产化数据库产品。数据的高实时性检索等场景。星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环科技自主研发的企业级分布式图数据库，提供高性能的图存储、计算、分析、查询和控等场景。星环分布式时序数据库-TranswarpTimeLyreTranswarpTimeLyre是星环科技推出的一款时序数据库，提供海量时间序列数据的高效压缩存储和高性能分析服务。TimeLyre数据库产品，目前已在各行各业成功替代Oracle、DB2、Teradata等国外产品。星环分布式交易型数据库-TranswarpKunDBKunDB是星环科技自主研发的分布式交易型数据库，具备高度兼容国产分布式数据库星环分布式向量数据库-TranswarpHippoTranswarpHippo是一款企业级云原生分布式向量数据库，支持存储，索引以及管理海量的向量式数据集，能够高效的解决向量相似度

关系数据库和分布式数据库是两种不同类型的数据库系统，各自有不同的特点、优势和适用场景。以下是对两者的详细对比：关系数据库定义：关系数据库是基于关系模型的数据库系统，使用表格来组织和存储数据。表之间的分析.分布式数据库定义：分布式数据库是将数据存储在多个物理位置的数据库系统，通过多个节点的协同工作，提供高性能、高可用性和可扩展性。特点：数据分布：数据在多个节点上进行存储和管理，节点之间通过网络通信保证数据的完整性和一致性。优势：成熟稳定：关系数据库技术发展成熟，拥有丰富的工具和生态系统，广泛应用于各种业务场景.易于理解和使用：关系模型直观易懂，SQL语言易于学习和使用，适合进行复杂的查询和数据协同工作。高可用性：通过数据复制和冗余存储，即使某个节点发生故障，系统仍能继续提供服务。可扩展性：具有良好的水平扩展能力，可以通过增加更多的节点来扩展系统的容量和性能。分布式事务：支持跨多个节点的分布式关系通过外键等机制来定义。特点：结构化数据：数据以结构化的形式存储在表中，表由行和列组成，每列对应一个属性，每行对应一个记录。SQL语言：使用结构化查询语言（SQL）进行数据的查询、更新、插入和删除等

用于需要高响应性能和数据完整性的应用场景，例如金融交易、电子商务等。分布式交易型数据库具备以下特点：实时性要求高：它需要满足实时性要求，能够快速响应用户提交的交易请求，即时处理数据更新。面向应用：它提供了分布式交易型数据库指实时的、面向应用的分布式数据库，响应及时性要求很高，具备快速读写单行数据的能力，同时保证数据完整性。分布式交易型数据库是一种专注于处理高并发实时交易的分布式数据库系统。它主要。数据完整性保证：它采用一系列机制来保证数据的完整性，如多副本数据复制、数据冗余和容错机制，确保数据的可靠性和一致性。分布式交易型数据库通常会采用分布式架构和高可用技术，使用分布式事务协议来处理跨节点的数据更新操作，利用缓存技术和预读预写等优化策略提高读写性能。同时，它还需要具备水平扩展和负载均衡等能力，以适应大规模的数据和用户访问需求。星环分布式交易型数据库-TranswarpKunDBKunDB是星环科技自主研发的分布式交易型数据库，具备高度兼容Oracle和MySQL、高可用、高性能、集中式与分布式一体化等特性，为企业核心业务系统提供完备的国产化数据库能力支撑。基于自研内存数据库引擎

分布式数据库和集中式数据库是两种不同的数据库架构，各自有不同的特点、优势和适用场景。以下是对两者的详细对比：集中式数据库定义：集中式数据库是将数据存储在单个服务器或少数几个服务器上的数据库系统。所有数据连续性。应用场景：适用于数据量和并发访问量相对较小的应用场景，如小型企业的业务系统、简单的在线应用等。适合对事务一致性要求高且不需要跨多个节点进行数据存储和处理的业务。分布式数据库定义：分布式数据库是节点的分布式事务，确保事务的ACID特性，但实现起来相对复杂。应用场景：适用于大规模在线事务处理（OLTP）、大数据分析、分布式应用等场景。适合需要处理海量数据和高并发访问，且对系统可用性和扩展性要求高的业务。，可以通过优化服务器硬件和数据库配置来提高性能。事务管理：事务管理相对简单，因为所有数据都在同一个节点上，事务的原子性、一致性、隔离性和持久性容易实现。成本可控：初期投入相对较低，适合小规模或中等规模的应用。劣势：可扩展性差：当数据量和并发访问量增加到一定程度时，单个服务器的性能瓶颈会显现出来，难以通过简单的硬件升级来满足需求。高可用性低：如果服务器发生故障，整个数据库系统可能会不可用，影响业务的

什么是分布式交易型数据库？分布式交易型数据库是指把一个交易型数据库分布在多台服务器上，使得多台服务器上的交易型数据库协同工作，以实现多个并发操作的高性能、高并发性、强数据一致性和可扩展性等特性。在分布式交易型数据库中，每台服务器上都有一份数据，交易型数据库会自动地将数据同步到其他节点中，以保证数据的一致性。国产分布式交易型数据库-KunDBKunDB是星环科技基于分布式技术自主研发的国产化的交易，KunDB提供全链路高可用、一致性备份恢复等容灾能力，以及完备的安全管理、资源管理能力，可以为不同业务场景保驾护航。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。独特的混合部署技术支持主流国产化CPU等自主可控的硬件平台和OS部署，满足国产化部署需求。此外

分布式图数据库是一种用于存储、管理和查询图数据的数据库，适用于处理海量复杂数据、实现多跳关系查询和图算法计算。通过分布式存储和计算，实现对大规模图数据的高效管理和查询。分布式图数据库使用图结构存储数据，节点和边可以拥有自定义的属性，支持多种查询语言和图算法。它通常由多个节点组成，每个节点负责存储和处理一部分数据，互相协作完成任务。分布式图数据库适用于金融、社交媒体、医疗等领域的数据分析和挖掘。TranswarpStellarDB是由星环科技自主研发的一款分布式图数据库，兼容开放Cypher查询语言。它支持原生图存储结构，提供PB级别的海量图数据的存储和分析能力。同时，在易用性、安全性、运维、更高效地挖掘海量数据互联的价值。通过采用分布式集群存储的方式，TranswarpStellarDB克服了海量关联图数据存储的难题，并通过集群化存储和丰富的算法来实现低延迟的多层关系查询。已经在金融。Gartner公司在发布的《图数据库管理系统市场指南》中，也将星环科技列为全球代表性厂商之一。TranswarpStellarDB的出现为企业在处理和分析海量数据时提供了全新的可能性，为广大企业的业务发展提供更强大的数据支持。

分布式存储和分布式数据库都是现代数据管理的重要技术，它们在架构、功能和应用场景上有所不同，但也有一定的联系和交集。分布式存储定义：分布式存储是一种将数据分散存储在多个物理或逻辑节点上的存储系统。这些存储和高可用性的场景，如大数据分析、视频监控、云存储服务等。分布式数据库定义：分布式数据库是一种将数据和数据库操作分散到多个节点上的数据库管理系统。这些节点可以位于不同的地理位置或不同的硬件设备上，通过支持关系型数据模型、键值对、文档存储、列存储、图存储等多种数据模型，满足不同业务场景的数据存储和查询需求。应用场景：适用于需要处理大规模数据、高并发访问和跨地域分布式部署的场景，如大型互联网应用、金融服务、物联网应用等。联系与区别联系：分布式数据库通常会利用分布式存储来存储数据，分布式存储为分布式数据库提供了底层的数据存储和管理能力。它们都可以通过分布式架构提高系统的可扩展性和高可用性，满足大规模数据管理和访问的需求。区别：分布式存储主要关注数据的存储和访问，而分布式数据库则更关注数据的组织、管理和查询。分布式数据库提供了更丰富的数据操作功能，如事务管理、索引、查询优化等，而分布式存储主要提供

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...

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。...

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"}...

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

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。

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：

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":...