Description
Transwarp Hippo est une base de données vectorielle distribuée, native du cloud, de niveau entreprise, conçue pour stocker, récupérer et gérer de grandes collections de données vectorielles. Elle vise des problèmes tels que la recherche de similarité vectorielle et le clustering de vecteurs à haute densité, et elle est développée par Transwarp, un fournisseur dont le site décrit plus largement comme fournissant une infrastructure de données pour l'IA d'entreprise et déclare, comme sa propre donnée, qu'il sert plus de 1 800 clients dans plus de dix secteurs.
Lire la suite
Architecturalement, Hippo est un système conteneurisé, natif du cloud, avec multi-location et mise à l'échelle élastique, ce qui lui permet de croître avec une charge de travail plutôt que d'être provisionné une fois pour toutes. Pour le déploiement distribué, il utilise l'algorithme Raft pour maintenir les données fortement cohérentes à travers un cluster, avec migration des pannes et réparation des données pour la résilience à grande échelle. La sécurité est gérée par une authentification utilisateur basée sur SASL et une transmission de données chiffrée SSL/TLS. Du côté de la récupération, Hippo prend en charge une architecture multi-processus avec accélération GPU et plusieurs types d'index vectoriels, ainsi que le partitionnement et le sharding des données, l'ingestion de données incrémentielle et le filtrage de champs scalaires vectoriels pour des requêtes mixtes, le tout visant à répondre à une forte demande de recherche en temps réel sur de grands ensembles de données. Il prend également en charge l'analyse conjointe multi-modèles, stockant et interrogeant des données vectorielles aux côtés de données relationnelles, graphiques et temporelles via une interface unifiée, et expose une syntaxe de requête de type SQL ainsi que des API Python, RESTful et Java.
Dans la pratique, Transwarp positionne Hippo pour quelques scénarios concrets. Pour la récupération de texte, son moteur vectoriel prend en charge des requêtes sémantiques, basées sur le sens, plutôt que sur une correspondance exacte des mots-clés. Pour la récupération de voix, d'images et de vidéos, les données peuvent être transformées en caractéristiques vectorielles de haute dimension pour la recherche de similarité, couvrant des scénarios tels que la reconnaissance faciale, la reconnaissance vocale et l'empreinte vidéo. Pour les applications de modèles de langage de grande taille, Hippo peut agir comme un stockage intermédiaire pour le contenu généré par LLM, offrant effectivement à un modèle une forme de mémoire à long terme tout en aidant à garder les données sensibles à l'intérieur de l'entreprise plutôt que de les envoyer à l'extérieur.
Aucun prix public n'est indiqué sur la page produit ; l'accès se fait par une demande "Essai maintenant" ou en contactant directement l'équipe commerciale de Transwarp, ce qui correspond à son positionnement en tant que produit d'infrastructure d'entreprise plutôt qu'un outil en libre-service.
Transwarp Hippo est particulièrement adapté aux équipes de données et d'apprentissage automatique des entreprises qui ont besoin d'un stockage vectoriel dédié, potentiellement aux côtés d'autres produits de données Transwarp tels que Transwarp Data Hub (TDH) et ArgoDB ; ces derniers sont des produits distincts et connexes dans la gamme de Transwarp et ne font pas partie de Hippo lui-même.
- CatégorieBases de données vectorielles et récupération
- Modèle tarifaireEntreprise
- DéploiementCloud
- PlateformesBasé sur des conteneurs
Fonctionnalités principales de Transwarp Hippo
Déploiement conteneurisé, natif du cloud, avec mise à l'échelle élastique et multi-location
Architecture de cluster distribué utilisant l'algorithme Raft pour la cohérence des données
Plusieurs types d'index de recherche vectorielle avec partitionnement et sharding des données
Ingestion de données incrémentielle et filtrage de champs scalaires vectoriels pour des requêtes mixtes
Récupération multi-processus accélérée par GPU conçue pour la recherche de similarité à fort volume
Sécurité d'entreprise via authentification SASL et transmission chiffrée SSL/TLS
Stockage et analyse unifiés à travers des données vectorielles, relationnelles, graphiques et temporelles
Syntaxe de requête de type SQL plus API Python, RESTful et Java
Couche de mémoire intermédiaire pour le contenu généré par LLM
Comment utiliser Transwarp Hippo ?
Demander un essai : Utilisez l'option "Essai maintenant" sur la page produit Hippo pour commencer à tester.
Contacter les ventes : Contactez-nous via "Contactez-nous" pour des détails sur le déploiement et les prix en entreprise.
Déployer le cluster : Configurez le déploiement distribué et conteneurisé de Hippo dans votre environnement.
Ingérer des données : Chargez les données vectorielles de manière incrémentielle, en appliquant le partitionnement et le sharding si nécessaire.
Construire des index : Choisissez parmi les types d'index vectoriels de Hippo pour votre scénario de récupération.
Interroger et récupérer : Exécutez des recherches de similarité en utilisant la syntaxe de type SQL ou les API Python, REST ou Java.
Cas d'utilisation de Transwarp Hippo
- Recherche sémantique de texte
- Récupération d'images et de voix
- Mémoire à long terme LLM
- Clustering vectoriel d'entreprise


