分布式数据库平台

分布式数据库是一种将数据存储在多个物理位置的数据库系统。它通过将数据分散存储在不同的服务器节点上，实现了数据的分布式管理和处理。以下是分布式数据库的一些关键特点和概念：数据分布：数据不是集中存储在在不同的节点上；也可以是垂直分区，即将数据表的不同列存储在不同的节点上。透明性：事务透明性：用户在使用分布式数据库时，通常不需要关心数据存储的具体位置，可以像使用单机数据库一样进行事务操作，分布式数据库会自动处理跨多个节点的事务一致性问题。位置透明性：用户可以像访问本地数据一样访问远程数据，不需要显式指定数据存储的位置，分布式数据库会根据数据分布情况和访问策略自动选择合适的数据节点。故障透明性：当某个节点发生故障时，分布式数据库会自动进行故障检测和恢复，用户通常不会感知到故障的存在，从而保证了系统的连续性和可用性。高可用性和容错性：通过数据冗余存储和节点冗余配置，分布式数据库能够在节点故障的资源利用，提高系统的吞吐量和响应速度。支持多种数据模型：分布式数据库可以支持多种数据模型，如关系型、键值存储、文档存储、列存储等，满足不同业务场景和数据类型的需求。一致性模型：分布式数据库需要在一致性

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支持数据高速读写，每秒处理数十万条记录和数百次查询。TimeLyre帮助用户快速开发各类业务与设备的实时监控、实时预警、实时故障诊断等应用。星环分布式数据库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、查询和海量数据3D图展示能力。StellarDB帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。星环分布式时空数据库-TranswarpSpactureTranswarpSpacture是星环科技推出的一款分布式时空数据库，支持空间地理、时空轨迹、遥感影像等海量数据的存储、查询、分析和挖掘服务。Spacture具备高性能数据读写和分析能力。支持OGC标准图形类型和空间关系，兼容常见的

分布式数据库相对于集中式数据库仍处于发展阶段，具有以下优点：可存储数据模型类别多，易于拓展、叠加存储介质;可处理高并发任务，计算速度快;本质上是提高了数据备份的安全。从发展来看，数据库技术的演变历史为从集中式到分布式，从关系型到非关系型。星环科技作为大数据企业，分布式数据库产品技术领先。在分布式领域，公司专利众多且技术领先。截至2022年6月30日，公司已获授权境内专利77项(其中发明专利74项)及境外专利8项。公司基于分布式架构的大数据基础平台、分析型数据库产品已达到业界先进水平，相关产品已通过国际知名组织TPC的TPC-DS基准测试并通过了官方审计，公司也是该基准测试自2006年标准发布平台厂商，是Gartner发布该魔力象限以来首个进入该魔力象限的中国公司。2022年6月，公司多个产品或子产品入选Gartner发布的《中国数据库管理系统供应商识别指南》，在识别的8类数据库管理系统产品中，公司入选产品覆盖其中7类，是覆盖超过7类或以上产品的四家厂商之一，以及覆盖多模数据库的厂商之一。

分布式数据库：数据管理的新变革分布式数据库是什么分布式数据库，从名字上可以拆解为：分布式+数据库，用一句话总结，就是由多个独立实体组成，并且彼此通过网络进行互联的数据库。在分布式数据库系统里，数据分散存储在多个物理位置不同的节点上，这些节点通过网络协同工作，共同提供数据库服务。与传统的集中式数据库相比，分布式数据库在架构和运行方式上有显著差异。集中式数据库就像是一个大型的中央仓库，所有的数据都。分布式数据库则像是多个小型仓库组成的联盟，每个仓库都存储一部分数据，并且这些仓库之间通过网络紧密联系。当需要处理数据时，各个节点可以并行工作，共同完成任务。分布式数据库的优势强大的可扩展性分布式数据库的可扩展性是其关键优势之一。随着业务的发展，数据量和业务需求会不断增长，分布式数据库能够轻松应对这一挑战。它通过增加节点的方式来扩展系统的存储容量和处理能力，实现线性扩展。以互联网公司为例，在创业初期，用户数量和数据量相对较少，使用小型的分布式数据库系统就可以满足需求。但随着业务的迅速扩张，用户数量呈指数级增长，数据量也随之剧增。此时，只需在分布式数据库系统中添加更多的节点，就能为系统提供额外的存储和

分布式系统和分布式数据库都是现代信息技术中的重要概念，它们在架构、目标和实现方式上有一些相似之处，但也存在显著的区别。以下是对它们的详细对比：分布式系统定义：分布式系统是由多个独立的计算机节点组成的等。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，通过网络连接在一起，共同提供数据的存储、查询和更新服务能够保持一致性和完整性。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：分布式数据库是分布式系统的一种特例，专注于数据的存储和管理。它们都采用了分布式架构，通过多个节点的协同工作来提高系统的性能和可用性。区别：分布式系统是一个更广泛的概念，可以包括分布式计算、分布式存储、分布式网络等多个领域，而分布式数据库仅专注于数据库管理和数据存储。分布式数据库需要解决数据一致性、分布式事务等特有的问题，而分布式系统则更关注整体的架构设计、节点通信和任务调度等。分布式系统的应用场景更加广泛，而分布式数据库主要应用于需要高效数据管理和访问的场景。

分布式数据库事务是指在分布式系统中，多个服务或节点之间协同完成的事务操作。由于这些操作涉及多个独立的系统或数据库，分布式事务需要解决数据一致性和协调复杂性等问题。以下是分布式事务的一些关键概念和解步骤失败，则执行补偿操作。本地消息表：在数据库中新增一个消息表，用于存放消息，通过异步发送消息来实现分布式事务。Seata框架：提供多种事务模式（如AT、TCC、SAGA和XA），帮助解决分布式事务的一致性问题。完整性约束。隔离性（Isolation）：事务的执行不会被其他事务干扰，尽管在分布式系统中实现完全的隔离性较为困难。持久性（Durability）：一旦事务提交，其结果将永久保存，即使系统发生故障可靠性。TCC（Try-Confirm-Cancel）：通过预留资源、尝试执行、确认执行和回滚执行四个阶段来实现分布式事务的一致性。SAGA模式：将长事务拆分为多个本地短事务，由事务协调器协调，如果某个决方案：核心概念ACID特性：原子性（Atomicity）：事务中的所有操作要么全部成功，要么全部失败。一致性（Consistency）：事务完成后，系统中的数据应保持一致，满足所有的业务规则和数据

建立分布式数据库平台是一个复杂的过程，以下是一般情况下的主要步骤：需求分析性能需求：确定系统需要处理的并发读写请求数量、数据量的增长趋势等，以评估分布式数据库需要具备的性能指标，如每秒事务处理数数据库迁移到分布式数据库平台。迁移过程监控：在迁移过程中，密切监控数据迁移的进度、数据完整性和一致性，及时处理迁移过程中出现的问题。功能测试基本功能测试：对分布式数据库的增删改查等基本操作进行测试需要具备自动扩展节点的能力，以及能够支持的最大节点数量。可靠性和容错性需求：确定系统允许的故障容忍级别，如是否需要支持节点故障自动恢复、数据冗余备份等。技术选型分布式数据库类型关系型分布式数据库：支持SQL语法，保持了传统关系型数据库的事务处理和数据一致性特性，适用于对数据一致性要求高、有复杂SQL查询需求的场景。非关系型分布式数据库键值存储数据库：以键值对形式存储数据，读写速度快，适用于缓存、实时数据环境，确保节点之间的通信效率。考虑使用万兆以太网或更高性能的网络设备，以减少数据传输延迟。集群搭建与配置安装数据库软件：按照所选分布式数据库的官方文档，在各个服务器节点上安装数据库软件。配置节点参数

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，如大型互联网应用、大数据分析、分布式事务处理等。总结选择依据：数据规模和并发需求：如果数据量较小且并发请求不高，传统数据库可能更合适；如果需要处理大规模数据和高并发请求，分布式数据库是更好的选择。一致性要求：如果业务对数据一致性要求非常高，传统数据库可能更合适；如果可以接受一定的数据延迟和不一致性，分布式数据库可以提供更高的性能和可扩展性。系统复杂性和管理成本：分布式数据库的管理和维护相对复杂，需要考虑系统的复杂性和管理成本。

分布式数据库引擎是分布式数据库系统的核心组件，负责管理和协调数据的存储、查询和事务处理等操作。以下是分布式数据库引擎的一些关键功能和性能优化策略：功能数据存储与管理分布式存储：将数据分散存储在多个节点上，每个节点负责一部分数据的存储和管理。数据复制与冗余：通过在多个节点上复制数据，确保数据的高可用性和容错能力。事务管理分布式事务：支持跨多个节点的事务管理，确保事务的原子性、一致性、隔离性和持久性（ACID特性）。事务一致性协议：使用如一致性协议来保证事务的一致性。查询优化查询路由：根据数据分布情况，将查询请求路由到相应的节点，提高查询效率。执行计划生成：生成最优的分布式执行计划，以减少数据使用合适的索引类型和策略，提高查询效率，减少数据扫描范围。负载均衡将读写请求均匀分配到多个节点上，避免单个节点过载。缓存机制使用缓存技术减少对数据库的直接访问次数，提高查询速度。数据倾斜处理通过调整数据分布和分布键，解决数据倾斜问题，确保负载均衡。并行处理利用多个节点的并行计算能力，加速复杂查询和数据处理任务。应用场景电商平台：处理海量订单和用户数据，通过分片和复制提升性能和可靠性。金融行业：在支付、风控等场景中，提供一致性保障与故障恢复能力。物联网：管理大量设备产生的数据，提供高可用性和可扩展性。

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":...

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

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...

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

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"}...

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

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。...