1 时序数据库TSDB

英文全称为 Time Series Database，提供高效存取时序数据和统计分析功能的数据管理系统。

2 时序数据（Time Series Data）

基于稳定频率持续产生的一系列指标监测数据。例如，监测某城市的空气质量时，每秒采集一个二氧化硫浓度的值而产生的一系列数据。

3 度量 Metric

监测数据的指标，例如风力和温度。

4 标签 Tag

度量（Metric）虽然指明了要监测的指标项，但没有指明要针对什么对象的该指标项进行监测。标签（Tag）就是用于表明指标项监测针对的具体对象，属于指定度量下的数据子类别。

一个标签（Tag）由一个标签键（TagKey）和一个对应的标签值（TagValue）组成，例如“城市（TagKey）= 杭州（TagValue）”就是一个标签（Tag）。更多标签示例：机房 = A 、IP = 172.220.110.1。

注意：当标签键和标签值都相同才算同一个标签；标签键相同，标签值不同，则不是同一个标签。

5 标签键 （TagKey，Tagk）

为指标项（Metric）监测指定的对象类型（会有对应的标签值来定位该对象类型下的具体对象），例如国家、省份、城市、机房、IP 等。

6 标签值（TagValue，Tagv）

标签键（TagKey）对应的值。例如，当标签键（TagKey）是“国家”时，可指定标签值（TagValue）为“中国”。

7 值 Value

标签键（TagKey）对应的值。例如，当标签键（TagKey）是“国家”时，可指定标签值（TagValue）为“中国”。

8 时间戳 Timestamp

数据（度量值）产生的时间点。

9 数据点 (Data Point)

针对监测对象的某项指标（由度量和标签定义）按特定时间间隔（连续的时间戳）采集的每个度量值就是一个数据点。“一个度量 + N 个标签（N >= 1）+ 一个时间戳 + 一个值”定义一个数据点。

10 时间序列（Time Series）

针对某个监测对象的某项指标（由度量和标签定义）的描述。“一个度量 + N 个标签KV组合（N >= 1）”定义为一个时间序列，某个时间序列上产生的数据值的增加，不会导致时间序列的增加。时间序列示意图如下 ：

11 时间线 Timeline

等同于时间序列的概念。

12 时间精度

时间线数据的写入时间精度——毫秒、秒、分钟、小时或者其他稳定时间频度。例如，每秒一个温度数据的采集频度，每 5 分钟一个CPU使用率的采集频度。

13 数据组 （Data Group）

如果需要对比不同监测对象（由标签定义）的同一指标（由度量定义）的数据，可以按标签这些数据分成不同的数据组。例如，将温度指标数据按照不同城市进行分组查询，操作类似于该 SQL 语句：select temperature from xxx group by city where city in （shanghai, hangzhou)。

14 聚合 （Aggregation）

当同一个度量（Metric）的查询有多条时间线产生（多个指标采集设备），那么为了将空间的多维数据展现为成同一条时间线，需要进行合并计算，例如，当选定了某个城市某个城区的污染指数时，通常将各个环境监测点的指标数据平均值作为最终区域的指标数据，这个计算过程就是空间聚合。

15 降采样 （Downsampling）

当查询的时间区间跨度较长而原始数据时间精度较细时，为了满足业务需求的场景、提升查询效率，就会降低数据的查询展现精度，这就叫做降采样，比如按秒采集一年的数据，按照天级别查询展现。

16 数据时效（Data’s Validity Period）

数据时效是设置的数据的实际有效期，超过有效期的数据会被自动释放。

17 预降采样（Rollup）

针对单个时间序列在时间维度上的聚合（time-based aggregation），例如，将一个时间序列的秒级数据聚合成分钟级或小时级数据.

“Rollup”预处理 本质上是提前计算downsampling结果, 并且其计算结果随时可以被查询. Rollup 预处理 也被称为 预降采样.

18 预聚合(Pre-aggregate)

针对 多条时间线/多个标签 对应的原始时序数据聚合成一个新的数据度量（metric），同时一般也会将聚合后的结果在时间维度上进行“降精度”处理.