Beschreibung
Transwarp Hippo ist eine cloud-native, verteilte Vektordatenbank auf Unternehmensebene, die entwickelt wurde, um große Sammlungen von Vektordaten zu speichern, abzurufen und zu verwalten. Sie richtet sich an Probleme wie Vektorsuche nach Ähnlichkeit und hochdichte Vektorkluster und wurde von Transwarp entwickelt, einem Anbieter, dessen breitere Website sich als Anbieter von Dateninfrastrukturen für Unternehmens-KI beschreibt und angibt, dass sie mehr als 1.800 Kunden in über zehn Branchen bedient.
Weiterlesen
Architektonisch ist Hippo ein containerisiertes, cloud-natives System mit Multi-Tenancy und elastischer Skalierung, sodass es mit einer Arbeitslast wachsen kann, anstatt einmal bereitgestellt zu werden. Für die verteilte Bereitstellung verwendet es den Raft-Algorithmus, um die Daten in einem Cluster stark konsistent zu halten, mit Fehlermigration und Datenreparatur für Resilienz im großen Maßstab. Die Sicherheit wird durch SASL-basierte Benutzerauthentifizierung und SSL/TLS-verschlüsselte Datenübertragung gewährleistet. Auf der Abrufseite unterstützt Hippo eine Multi-Prozess-Architektur mit GPU-Beschleunigung und mehreren Vektorindexarten, zusammen mit Datenpartitionierung und Sharding, inkrementeller Datenaufnahme und Vektor-Skalarfeldfilterung für gemischte Abfragen, die alle darauf abzielen, die hohe, Echtzeit-Suchanforderung über große Datensätze zu erfüllen. Es unterstützt auch die gemeinsame Analyse mehrerer Modelle, indem es Vektordaten zusammen mit relationalen, graphbasierten und zeitbasierten Daten über eine einheitliche Schnittstelle speichert und abfragt, und es bietet SQL-ähnliche Abfragesyntax sowie Python-, RESTful- und Java-APIs.
In der Praxis positioniert Transwarp Hippo für einige konkrete Szenarien. Für die Textabfrage unterstützt die Vektormaschine semantische, bedeutungsbasierte Abfragen anstelle von exakten Schlüsselwortübereinstimmungen. Für die Abfrage von Sprache, Bildern und Videos können Daten in hochdimensionale Vektormerkmale für die Ähnlichkeitssuche umgewandelt werden, die Szenarien wie Gesichtserkennung, Spracherkennung und Video-Fingerprinting abdecken. Für Anwendungen mit großen Sprachmodellen kann Hippo als Zwischenspeicher für von LLM generierte Inhalte fungieren, was einem Modell eine Form von Langzeitspeicher bietet und gleichzeitig hilft, sensible Daten im Unternehmen zu halten, anstatt sie extern zu senden.
Auf der Produktseite sind keine öffentlichen Preise aufgeführt; der Zugang erfolgt über eine Anfrage für "Jetzt testen" oder durch direkte Kontaktaufnahme mit dem Vertriebsteam von Transwarp, was zu seiner Positionierung als Produkt für Unternehmensinfrastrukturen passt, anstatt als Selbstbedienungswerkzeug.
Transwarp Hippo eignet sich am besten für Unternehmensdaten- und Machine-Learning-Teams, die einen dedizierten Vektorspeicher benötigen, möglicherweise neben anderen Datenprodukten von Transwarp wie Transwarp Data Hub (TDH) und ArgoDB; dies sind separate, verwandte Produkte im Angebot von Transwarp und gehören nicht zu Hippo selbst.
- KategorieVektordatenbanken & Retrieval
- PreismodellUnternehmen
- BereitstellungCloud
- PlattformenContainer-basiert
Transwarp Hippo's Kernfunktionen
Cloud-native, containerisierte Bereitstellung mit elastischer Skalierung und Multi-Tenancy
Verteilte Clusterarchitektur unter Verwendung des Raft-Algorithmus für Datenkonsistenz
Mehrere Vektorsuchindexarten mit Datenpartitionierung und Sharding
Inkrementelle Datenaufnahme und Vektor-Skalarfeldfilterung für gemischte Abfragen
GPU-beschleunigter, multi-prozessualer Abruf, der für hochvolumige Ähnlichkeitssuchen entwickelt wurde
Unternehmenssicherheit durch SASL-Authentifizierung und SSL/TLS-verschlüsselte Übertragung
Einheitliche Speicherung und Analyse über Vektor-, relationale, graphbasierte und zeitbasierte Daten
SQL-ähnliche Abfragesyntax sowie Python-, RESTful- und Java-APIs
Zwischenspeicherschicht für von LLM generierte Inhalte
Wie verwendet man Transwarp Hippo?
Testanfrage: Verwenden Sie die Option "Jetzt testen" auf der Produktseite von Hippo, um mit dem Testen zu beginnen.
Vertrieb kontaktieren: Wenden Sie sich über "Kontaktieren Sie uns" für Details zur Unternehmensbereitstellung und Preisgestaltung.
Cluster bereitstellen: Richten Sie die containerisierte, verteilte Bereitstellung von Hippo in Ihrer Umgebung ein.
Daten aufnehmen: Laden Sie Vektordaten inkrementell und wenden Sie bei Bedarf Partitionierung und Sharding an.
Indizes erstellen: Wählen Sie aus den Vektorindexarten von Hippo für Ihr Abruf-Szenario.
Abfragen und abrufen: Führen Sie Ähnlichkeitssuchen mit SQL-ähnlicher Syntax oder den Python-, REST- oder Java-APIs durch.
Transwarp Hippo's Anwendungsfälle
- Semantische Textsuche
- Bild- und Sprachabfrage
- Langzeitgedächtnis für LLM
- Unternehmensvektorkluster
