更新时间：2023-12-08 17:23:14

A

术语 释义
AnyRobot Eyes 5 AnyRobot Eyes 5 是云原生时代的可观测性平台，基于机器数据湖和全息观测实现架构创新，帮助组织整合机器数据孤岛，实现高效排障和业务敏捷，提升数字化效能。
AnyRobot Embedded 5 AnyRobot Embedded 5 是一款为AISHU产品提供内置可观测性能力的产品。该产品可提供数据采集、数据搜索查询、数据分析报表、告警通知等常见功能。
AnyRobot 客户端代理 AnyRobot Agent是AnyRobot 自研的代理采集客户端，是用于在用户主机执行数据采集与传输的代理程序。
AnyShare 可观测性 AnyShare可观测性方案通过采集并关联AnyShare产生的多种机器数据，高效实现微服务调用链路分析、性能分析、系统故障根因定位、模块化服务度量分析、合规性审计、行为见解、用户画像等，全面提升AnyShare自身的运营分析、安全审计及运维分析能力，旨在提高企业业务效率，保障数据安全和业务可用性。

C

术语 释义
采集偏移量 计算机汇编语言中的偏移量定义为：把存储单元的实际地址与其所在段的段地址之间的距离称为段内偏移，也称为“有效地址或偏移量”。采集偏移量是一种元数据，是一个不断递增的整数值，用来记录消费者发生重平衡时的位置，以便用来恢复数据。
重解析数据流 重解析数据流是数据流的处理方式之一，是指从OpenSearch抽取数据，再次经过解析，再存储至OpenSearch的处理流程。
超级代理 AnyRobot SuperAgent 是基于SuperAgent框架统一部署的一套任务代理框架，为日志、链路、指标、业务等各类数据摄入场景提供统一的任务调度及部署管理能力，可适应各类主机、容器环境等，具有易管理、易扩展、资源可控、可观测、环境适应性强、部署位置灵活等特点。

D

术语 释义
大屏 以数据可视化的方式在一个或多个LED大屏幕上显示业务的一些关键指标，以大屏幕为主要显示载体的数据可视化设计。
对象管理 对象管理表示对系统内存在对象资源进行管理，可管理的对象资源包含：解析规则、仪表盘、搜索、图表、告警。
多域数据复制 遵循网络限制规则，通过在多个网络域之间的数据复制，实现数据的统一存储，进而实现全局数据搜索和分析。

F

术语 释义
服务 服务表示真实运行环境中的服务，服务可反映IT系统和业务流程的健康状况。服务可以是：一个应用程序或一组应用程序、基础架构层、业务服务或单个进程。
服务分析器 服务分析器提供了服务健康度、SLO两种维度的监控视图，可实现服务健康状况及服务质量的统一监控，清晰展现各服务模块之间的依赖关系和影响范围。同时支持下钻查看服务依赖的 KPI 和实体的健康状态，帮助快速定位故障影响范围，缩短排查时间。
服务健康度分析 服务健康度分析是基于统一日志管理平台构建的业务智能运维方案。通过洞察 IT 环境中各服务运行的健康状况，支持异常告警推送、故障根因定位，化被动运维为主动运维，实现复杂运维场景下的全局运维。
服务健康分数 服务健康分数由服务KPI的健康分数和依赖服务的健康分数加权计算得到，分数直观反映了服务的健康状况，数值越大表示服务健康状况越好。根据服务健康分数匹配到的严重性等级，可判断此服务的可用性。
服务质量目标 服务质量目标(SLO)通过定义服务SLI的目标值以明确服务使用者对服务质量的期望水平，即当SLI≥目标值时，表示实际服务质量满足服务预期。AnyRobot服务健康度分析模块支持对服务进行SLO建模，可实时监测IT环境各服务质量水平，帮助及时排查服务不可用风险。
服务质量指标 服务质量指标(SLI)用于衡量服务在指定时间窗口内的实际质量水平，例如：当选择基于服务可用性计算SLI，实际服务在7天中有1天的健康分数处于“严重”等级时，则此SLI=1-（服务不可用时间/总服务时间）即1-（1/7）=85.7%。AnyRobot支持基于服务可用性、实体可用性、事件计数3种方式计算SLI。

G

术语 释义
告警规则 告警规则为指标告警规则，或多个日志告警规则模板的逻辑组合，支持告警计划、告警抑制参数以及告警转发配置，以满足复杂的告警监测场景。
告警抑制 告警抑制用于消除冗余告警，当同一告警规则触发的告警事件在短时间内大量产生时，开启告警抑制可避免告警风暴的产生。
关键绩效指标 在AnyRobot服务健康度分析模块中，关键绩效指标(KPI)是用于直接衡量服务健康状况的性能指标，如CPU负载百分比、内存使用百分比、响应时间等。基于KPI返回的数值，可评估IT环境各服务的健康状况，帮助排查服务可能出现异常的趋势。
关联分析 针对跨多模块的业务请求，进行关联跟踪，分析其业务状态以及执行性能。
关联仪表盘 关联仪表盘可以通过仪表盘之间的跳转，实现场景联动，增强场景的关联性。支持关联单个仪表盘或基于场景的组合仪表盘。
归档恢复数据流 归档恢复数据流是数据流的处理方式之一，是指抽取已归档的冷数据，经过解析再存储至OpenSearch的处理流程，归档恢复后的热数据可再次执行搜索和分析应用。
规则模板 规则模板表示对采集源端日志数据实现告警监测而设置的规则，适用于日志告警场景下实时性要求不高的应用场景。

J

术语 释义
计划告警 计划告警适用于实时性要求不高的应用场景，支持源端日志未采集规则类型，当AnyRobot Agent客户端采集任务未采集时间超过设定的阈值范围时，即刻触发告警。
结构模型 结构模型是用于描述系统组成和内部对象关系的抽象模型，由顶点和边组成。其中，顶点表示结构模型中的某个对象，边表示两个对象之间的联系。AnyRobot 结构模型支持关联指标模型等数据模型，在结构模型的基础之上，AnyRobot的上层分析模块可进一步实现丰富的可视化制作及智能化分析，帮助用户全面直观地了解系统内部的运行状态和性能表现，为系统的设计、分析和优化提供更全面、更深入的洞察力。
机器学习 机器学习是人工智能时代的核心技术，通过建立数据预览、数据预处理以及模型计算，实现数据分析及预测。
解析规则 解析规则用于实现日志解析规则的管理，通过设置规则详情，添加日志过滤条件，当日志数据满足解析规则所配置的过滤条件时，系统将自动使用该解析规则对数据进行解析处理。
聚合 对度量数据进行分组，对每个分组使用指定的运算方法，并将结果组装成最终结果

K

术语 释义
可观测性 可观测性是针对开发测试、IT运维、业务运营、安全合规等全业务运营流程，通过日志、指标、链路等机器数据进行关联分析，衡量、预防、发现、定位、解决业务问题，实现业务效能提升的一种能力。

L

术语 释义
链路图表 AnyRobot链路图表用于服务调用链的性能分析与故障定位，以甘特图、日志视图两种视图模式查看性能瓶颈以及错误跨度（Span）的原始日志，助力快速性能分析与溯源排障。

Q

术语 释义
全景图 全景图是展示自定义结构中多个对象之间关系的可视化视图，由盒子、连线组成。其中，盒子表示对象，连线表示对象之间的关联关系。通过关联各种不同数据模型，呈现结构中不同层级各个对象的运行状态、指标数据以及连接状态等，为用户提供可视化、可编排以及可扩展的全局视图，旨在提高对整体结构的可观测性能力以及分析排障效率。
权责模式 权责模式是指系统权限运行方式的定义，包含：权责集中模式和权责分离模式。
权责分离模式 权责分离模式是指系统系统默认提供3种管理员角色：admin（系统管理员）、securit（安全管理员）、audit（审计管理员）的权限管理方式，以进行系统业务维护，用户账号管理、行为审计等业务三权管理操作。
权责集中模式 权责集中模式是指系统仅提供一种管理员角色：admin（系统管理员）的权限管理方式，admin拥有超级用户权限，被授予系统内所有的操作权限。

R

术语 释义
任务模板 任务模板是指Agent代理客户端采集任务的固化配置项，内容包含数据代理采集的输入与输出配置、采集计划配置。
日志归档 日志归档可依据日志的生成时间、主机、类型判定，对日志进行结构化处理。支持以tar.gz压缩方式对数据进行归档存储操作，同时可通过关键词、主机、日志类型、路径对日志文件进行筛选显示，并可支持归档数据恢复操作。

S

术语 释义
时间序列预测 时间序列分析是根据已有的历史数据对未来进行预测。 数据大多数以时间序列的形式给出，根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
数据字典 AnyRobot数据字典是一种用于描述多维度数据映射关系的集合。每个数据映射关系被称为一个数据字典项，每个数据字典项可以包含多个维度，满足用户对多维度数据的需求。数据字典项具体由键（维度键）和值（维度属性）组成，键（维度键）通常表示已知的确定值，值（维度属性）代表用户希望展示的值。数据字典项清晰地描述了键（维度键）和值（维度属性）之间的数据关系，通过定义数据字典项，用户可以将已知的数据关系预置到数据字典中，确保数据关系的准确性和一致性，同时方便其他服务迅速、正确地使用这些资源。
实体 实体是一个IT基础架构组件。实体通常是主机，也可能是物理或虚拟服务器、网络设置（交换机、路由器）、存储系统或卷、操作系统进程、软件应用程序、应用程序进程实例。
双因子认证 双因子认证是指用户可通过账号密码和短信验证码2个条件因子进行登录认证的方式。
索引库 索引库是AnyRobot机器数据的存储管理单元，包含字段模型、存储规则、生命周期规则等关键构成。索引库通过字段模型定义数据结构的构成规则，包括数据类型、数据类别和字段列表等要素，确保数据的一致性和完整性；通过存储规则定义数据存储的方式和策略，包括索引方式、分片规则、副本数等要素，提高数据存储效率和查询性能，确保数据访问的高效和可靠性；通过生命周期规则明确数据在不同阶段的存储和管理策略，包括数据的保留期限、数据的迁移和清洗策略等要素，实现数据的热温冷全生命周期动态管理，进而保障数据的高效利用、优化存储成本。
数据标签 数据标签在广义上指的是数据标签系统，它是AnyRobot数据管理体系中的一个重要组成部分。而在狭义上，数据标签是指数据中的"tags"字段。这个字段允许用户在数据入库时添加或编辑，提供关键性的描述或属性，用于标识、分类或描述机器数据。数据标签可以被视为一种标识符或标记，用于帮助识别和组织数据。通过使用数据标签，用户可以更有效地管理和查询数据，提高数据管理的灵活性和可扩展性。
数据视图 AnyRobot 数据视图是虚拟化的逻辑数据集，用于满足数据查询需求，同时在业务查询场景和多用户之间充当了关键的数据隔离层。数据视图支持对数据源中的指定数据进行读取时的转换和加工，使用户能够灵活、便捷地根据特定查询需求进行数据选择和加工，提高数据查询和分析效率及可复用性的同时，确保了原始数据源的完整性和安全性。
事件模型

事件模型是AnyRobot 数据虚拟化模块中负责事件数据生产、存储、提供对外查询的信息模型，包括基础属性（名称、类型、标签等）、检测规则、聚合规则等关键属性。AnyRobot事件模型支持多种数据源接入，根据设置的特定检测规则或聚合规则，对数据源中的指定数据进行综合判定。满足特定条件时，事件模型将生成统一格式的事件数据，为业务应用的查询展示、告警通知等场景提供支持。

基于事件模型，系统能够灵活感知机器数据（指标数据、日志数据、链路数据）中的异常情况，全面提升系统的异常监控能力。
事件类型 AnyRobot 事件模型包括原子事件模型（Atomic Event Model）和聚合事件模型（Aggregation Event Model）两种类型。事件类型为“原子事件”的事件模型主要应用于机器数据异常检测场景，事件类型为“聚合事件”的事件模型是对原子事件的进一步分析，通常应用于异常事件的根因定位、健康度计算和告警降噪等场景。

T

术语 释义
通用数据流 通用数据流是数据流的处理方式之一，是指从采集过来的数据中抽取数据至kafka，再从kafka进行数据消费的处理流程。

Y

术语 释义
业务全景图 用于根据不同业务场景自定义运维体系关联图谱，展现 IT 和业务系统之间的流程关系，可视化呈现 IT 基础设施及其单个服务模块之间的运行状态，实现全局化运维管理。
仪表盘 AnyRobot 仪表盘是用于查看和分析机器数据的可视化面板，通过过滤器和图表组合来综合展示不同类型的数据，例如日志、指标、链路等，并且可以根据需求自定义它们的显示方式和排列顺序，还可以将多个仪表盘分组管理，或者导出模板复用。AnyRobot仪表盘可以实现状态信息展示、指标趋势观察、数据分布统计、汇总评估对比、链路跟踪分析、维度过滤分析等能力，用于监控、报告、分析等多种场景。
异常检测 在给定的数据集中，如果所有点都定义为数据对象，那么异常点则显著不同于其他数据对象。 异常检测是找出这个异常点的过程。
远程采集 远程采集是指通过API或标准协议远程连接到数据源端，通过主动拉取或主动推送实现数据采集。

Z

术语 释义
灾备可观测性分析 AnyRobot 灾备可观测性方案支持对多种主流灾备系统进行统一灾备运维和运营管理、分析以及可视化展示，获得更全面的灾备洞察力和决策力，增强组织的灾难恢复能力，优化灾备策略，实现全方位的数据资产保护，满足组织SLA要求，降低TCO，保障业务系统连续性 。
指标告警 指标告警适用于关键指标进行监控并定时告警的应用场景，支持设置告警频率以及多个阈值范围，当指标在不同的阈值范围内时，即刻触发相应程度的告警。
指标模型 指标模型是AnyRobot用于定义指标及其计算规则的一套数据模型，包括指标名称、单位、维度、计算公式等，其中计算公式编写支持PromQL、DSL等查询语言。通过指标模型，可统一定义、管理指标，实现指标数据的标准化、可复用性及二次加工，满足开发测试、IT运维、业务运营、安全合规等全业务运营流程场景下的指标体系构建及分析使用。
指标图表 指标图表是基于指标数据的可视化展示，将指标模型中定义的的指标数据以图表的方式呈现，满足不同业务场景下的可视化分析需求。
主题库 消息的种类称为主题（Topic），可理解为一个主题代表了一类消息，主题库相当于是一类消息的集合。
字段模型 AnyRobot字段模型是用于定义机器数据结构的抽象模型，包含数据类型、数据类别、字段列表等要素，其中每个字段都具有名称、类型、格式、分词器等属性，这些属性的集合构成了字段的数据结构。AnyRobot字段模型通过定义字段的名称、类型和格式，确保了数据的一致性和完整性；通过使用分词器等技术对数据进行适当的分割和索引，提高了搜索的效率和准确性；通过定义数据结构规则，优化了存储结构、标准化数据内容。字段模型在AnyRobot中起着决定性的作用，提高数据存储和搜索性能的同时使数据管理和查询操作更加高效和可靠。