帮你快速理解、总结文档立即下载
文档中心>TDSQL Nexa>词汇表

词汇表

最近更新时间：2026-10-16 11:02:30
我的收藏
ACDEFHIKLMNRSTXYZ

A

AI 计算引擎

全托管数据处理引擎，向上提供作业管理与工作流编排（Argo）、分布式计算运行时（Ray），向下依托 Kubernetes 完成弹性资源调度，并统一纳管底层 CPU / GPU 异构算力，形成覆盖编排—运行时—调度—算力的全栈能力，让算法工程师无需关心集群运维即可获得弹性算力与分布式计算编排。

Argo

工作流编排引擎。AI 计算引擎基于 Argo 完成数据处理管线的统一编排，将数据处理、训练、评测与发布环节串联为可复用、可版本化的流水线。

AI 原生多模数据库

在一套系统内融合宽表、分析、搜索等计算能力，并通过核心引擎与实时数据流通道，把各引擎的数据无缝打通、把各引擎的能力按需组合编排的数据库。Nexa 即为一个 AI 原生多模数据库，支撑智能驾驶、具身智能、搜索、广告、推荐以及企业 Agent 等场景下，从数据产生、分析到应用的全链路。

C

Catalog

Nexa 企业级数据智能服务之一，提供血缘跟踪、权限管理、资产盘点能力。

COS

参见 对象存储

存算分离

计算与存储彻底解耦的架构，计算资源可独立弹性伸缩而无需搬迁数据；访问路径上构建「对象存储 — 本地磁盘缓存 — 内存」的多级缓存结构，热数据逐级上浮，在保留对象存储低成本优势的同时获得接近本地存储的访问性能。

D

倒排索引

  • 在 Elasticsearch Service 中，通常指关系型数据库通过增加索引到指定的列上，来提升数据检索速度，例如一个 B 树（B-tree）索引。Elasticsearch 和 Lucene 使用倒排索引的结构来达到相同的目的。默认的，一个文档中的每一个属性都是被索引（有一个倒排索引）和可搜索的。一个没有倒排索引的属性是不能被搜索到的。
  • 在 TDSQL Nexa 中，通常指面向文本的分词倒排结构，支撑全文检索。支持多语言分词与自定义词典，同时提供多种查询匹配模式和排序规则。

对象存储

对象存储（Cloud Object Storage，COS）是腾讯云提供的一种存储海量文件的分布式存储服务，具有高扩展性、低成本、可靠安全等优点。通过控制台、API、SDK 和工具等多样化方式，用户可简单、快速地接入 COS，进行多格式文件的上传、下载和管理，实现海量数据存储和管理。

  • 在 TDSQL Nexa 中，腾讯云对象存储服务（COS）是 Nexa 数据湖与湖上数据的统一存储底座，提供低成本的对象存储能力。

多模态计算引擎

Nexa 架构的核心。每一类计算引擎都依托各自的底层存储结构，提供一类专门的数据处理能力，同时保持对主流开源生态的接口兼容，包含宽表引擎、分析引擎、搜索引擎、AI 计算引擎。

E

ETL

ETL（Extract-Transform-Load）即提取、转化、存储，用来描述将数据从来源端经过抽取（extract）、交互转换（transform）、加载（load）至目的端的过程。

  • 在 CKafka 生态中，ETL 工具常用于将 Kafka 中的数据流转到其他系统（如数据仓库、实时分析引擎等），进行进一步处理和分析。
  • 在 TDSQL Nexa 中，通常指的是数据抽取、转换、加载链路。传统多系统方案中数据被复制成多份、散落在不同系统，需靠 ETL 和消息队列缝合；Nexa 各引擎数据原生打通、实时流转，无需额外搭建数据链路。

F

分片

  • 在 Elasticsearch Service 中，分片（Shards）是数据的容器，文档保存在分片内，一个分片是一个底层的工作单元，它仅保存了全部数据中的一部分，分片又被分配到集群内的各个节点里，当您的集群规模扩大或者缩小时，Elasticsearch 会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。
    一个分片可以是主分片或者副本分片。索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量（技术上来说，一个主分片最大能够存储 Integer.MAX_VALUE - 128 个文档）。
    一个副本分片（Replicas）只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等操作提供服务。在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改。

  • TCHouse-C 将海量数据水平切分后分散到不同节点，每个节点承载数据的一部分。分片是数据水平扩展的基本单位。

模式 分片与节点的关系
单副本（非高可用） 1 个分片 = 1 个节点
双副本（高可用） 1 个分片 = 2 个节点（互为副本）
  • 在向量数据库中，为了支持更大规模的数据，集合一般会按某个维度分成多个部分，每个部分就是一个分片（Shard），分布在若干个节点（Node）上。为了保证可靠性和可用性，同一个集合的多个分片会分布在不同节点（Node）上。
    在TSearch中，分片（Shards）是数据的容器，文档们保存在分片内，一个分片是一个底层的工作单元，它仅保存了全部数据中的一部分。
  • 分片又被分配到集群内的各个节点里，当集群规模扩大或者缩小时，TSearch 会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。
  • 一个分片可以是主分片或者副本分片（Replicas）。
    • 索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量。
    • 一个副本分片只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等操作提供服务。在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改。
  • 在 TDSQL Nexa 中，通常指搜索引擎数据水平拆分与多副本部署的单位。数据按分片水平拆分并均衡分布到各数据节点，容量与吞吐随节点增加线性扩展；每个分片包含一个主分片与若干副本分片，主副本分布在不同节点，副本可独立承担读请求，主分片故障时副本自动提升为主。

分析引擎

面向大数据量复杂查询的分布式分析引擎，采用列式存储并具备高压缩比，在提供高性能读写的同时支持分布式并行计算，对外提供兼容 MySQL、PostgreSQL 的访问接口，可直接承载复杂报表、多维聚合等分析场景。

H

核心引擎

位于多模引擎之上的路由引擎，让多个引擎对外表现为一个数据库或一个表：各引擎既可以作为彼此的索引相互配合，也可以被组合编排后统一对外提供服务。应用只需表达需求，无需关心由哪个引擎执行、如何协同。

HNSW

参见 HNSW

HNSW

  • 在向量数据库中，HNSW 是一种基于图的高维向量相似性搜索算法，全称为：Hierarchical Navigable Small World。它通过构建一张图来表示向量之间的相似度关系，并使用一些优化策略来加速搜索过程。
  • 在 TDSQL Nexa 中，通常指搜索引擎支持的向量近邻索引算法之一，用于高维向量的语义检索。

混合检索

组合向量检索、全文检索与标量过滤等多种方式的检索模式，可带来召回与精度提升，广泛用于企业知识库 RAG 问答、语义搜索与内容检索等场景。

I

Iceberg

开放表格式。分析引擎底层存储完全采用 Iceberg 开放数据格式，数据以开放标准落盘而非私有格式，第三方引擎可直接访问同一份数据，无需导出或复制，避免数据孤岛与格式锁定。

IVF

参见 IVF

IVF

搜索引擎支持的向量近邻索引算法之一，与 HNSW 等共同支撑高维向量的语义检索。

K

K8s

参见 Kubernetes

宽表引擎

提供高并发写入与点查、ACID 事务与宽表存储能力的一类计算引擎，接口兼容 MySQL 与 HBase。宽表引擎面向海量结构化与半结构化数据，单表可支撑万列、千亿行规模，在百万级并发下保持毫秒级数据变更与查询性能，同时提供兼容 HBase 的 KV 接口与兼容 MySQL 的 SQL 接口，并支持强一致的二级索引。

Kubernetes

  • 在腾讯云区块链服务平台 TBaaS 中，Kubernetes 是一个开源的，用于管理云平台中多个主机上的容器化的应用，Kubernetes 的目标是让部署容器化的应用简单并且高效（powerful），Kubernetes 提供了应用部署、规划、更新、维护的一种机制。Kubernetes 简写为 K8s，是用8代替8个字符 “ubernete” 而成的缩写。
  • 在 TDSQL Nexa 中，通常指容器编排系统。AI 计算引擎依托 Kubernetes 完成 Pod 调度、弹性扩缩容与故障恢复，统一纳管 CPU / GPU 异构算力，并将训练、评测、发布等环节以 Kubernetes 原生方式串联，形成可复用、可观测的流水线。

Knowledge

Nexa 企业级数据智能服务之一，基于统一的数据解决数据洞察、智能决策问题，沉淀专家经验。

Knowledge Agent

Nexa 内置的数据智能体，帮助人与 Agent 更好地理解数据——数据在哪里、是什么含义、该怎么用，从而让数据应用的构建过程本身也变得更加智能和高效。

L

Lance

数据湖采用的开放表格式之一，与 Iceberg 等共同构成基于 COS 的低成本、格式开放的统一存储底座。

量化压缩

对向量索引进行压缩以降低存储与内存开销的方式，搜索引擎提供 BQ、PQ、SQ 等多种量化方式，业务可按存储成本与召回精度的权衡灵活选择。

列存正排

搜索引擎分片内部存放原始字段与标量属性的索引结构，支撑过滤与结果返回。

M

MCP

模型上下文协议。Nexa 访问层提供的标准化接入方式之一，与 SQL、HTTP 并列，为 AI Agent 提供标准化的数据调用入口。

MCP

参见 MCP

N

NTS

参见 NTS 引擎

NTS 引擎

Nexa 中各引擎之间数据得以无缝打通的关键引擎，负责：异构索引同步，让同一份数据在不同引擎中保持一致视图；实时入湖，将各多模存储引擎的数据实时沉淀到数据湖；离散数据纳管，将外部离散数据源一键同步到各异构引擎或直接写入数据湖。

R

RAG

检索增强生成。基于企业知识库与检索能力为大模型问答提供上下文的方案，Nexa 以混合检索、过滤条件下推、增量更新等关键能力支撑企业知识库 RAG 问答场景。

Ray

分布式计算运行时。AI 计算引擎的计算层基于 Ray 构建，计算节点内含 Driver、Worker、Object Store 与 Local Scheduler。

RAG

参见 RAG

S

数据湖

  • 在大数据处理套件 TBDS 中，通常指一个存储海量原始数据的存储系统，可以存储结构化、半结构化和非结构化的数据。
  • 在 TDSQL Nexa 中，通常指各多模存储引擎的数据经 NTS 引擎实时沉淀形成的低成本、格式开放的统一存储底座，基于 COS，采用 Lance、Iceberg 等表格式。

数据加速层

统一分布式数据加速层，由 GooseFS / CFS 提供，负责湖上数据的访问性能，弥合低成本对象存储与高性能计算之间的性能差距。

搜索引擎

高性能、高可靠的分布式搜索引擎，兼容 OpenSearch、Elasticsearch 等开源标准接口，可支持 PB 级向量与文档数据的存储与检索。既可作为 Agent 应用的检索底座，也可承载 Agent Trace 等运行时数据，并能支撑模型训练过程中元数据与标签的存储、计算和分析。

Studio

Nexa 企业级数据智能服务之一，提供统一的 SQL 编写、作业开发与作业调试能力。

T

TPC-C

业界联机事务处理基准测试，用于评估数据库在高并发事务场景下的吞吐表现。Nexa 宽表引擎在 TPC-C 测试中随并发线程数增加吞吐持续提升，高并发下性能表现稳定无回落。

TPC-H

业界决策分析基准测试，用于评估数据库在复杂多表关联与聚合场景下的查询性能。Nexa 分析引擎在 TPC-H 测试中保持稳定的低延迟表现。

Trace

Nexa 企业级数据智能服务之一，提供诊断分析、链路追踪、日志管理能力。

统一存储

Nexa 中各计算引擎共享的统一存储体系。AI 计算引擎可直接读取统一存储中的原始数据，处理产生的向量、标签与元数据可直接写入搜索引擎与宽表引擎，数据加工与数据服务在同一套系统内衔接，无需在系统间搬运。

统一应用接入

兼容各开源协议的访问层，提供 SQL、HTTP 与 MCP 等接入方式，既贴合既有的开发习惯与工具生态，也为 AI Agent 提供标准化的数据调用入口。

TPC-C

参见 TPC-C

TPC-H

参见 TPC-H

X

向量化

将非结构化数据转换为向量的处理环节。AI 计算引擎面向非结构化数据提供标注与向量化算子，包括模型推理打标签、Embedding 化等，处理结果可直接写入搜索引擎。

向量索引

面向高维向量的近邻索引结构，支撑语义检索。支持 HNSW、IVF 等多种索引算法，并提供多种量化压缩方式（BQ、PQ、SQ）和距离度量。

Y

YCSB

业界云服务数据库性能测试基准。Nexa 宽表引擎使用 YCSB 在 GET、SCAN、PUT 单列操作及多种标准 Workload 混合读写场景下进行性能测试。

YCSB

参见 YCSB

Z

召回率

召回率（Recall）是准确识别的正样本数 / 应该识别出的样本数。例如，总共有100张图片，使用图像分析接口成功识别出了其中90张图片，则召回率为90%。

  • 在 TDSQL Nexa 中，通常指衡量检索效果的指标，反映检索结果命中目标结果的比例；不同索引配置与量化压缩档位下，召回率与时延表现不同。

智能体

  • 在腾讯云数据库 AI 服务中，智能体（Agent）是指能够感知环境并采取行动以实现特定目标的代理体，通过感知环境中的变化，根据自身学习到的知识和算法进行判断和决策，进而执行动作以影响环境或达到预定的目标。
  • 在 TDSQL Nexa 中，通常指的是能自主完成数据操作的 AI 应用形态。Agent 需要统一、一致的上下文，以及一套可以直接调用的数据处理工具；Nexa 通过多模引擎原生打通与标准化接入，为 Agent 提供完整的数据视图与可靠的数据操作能力。
中国站