术语表

Reference · 速查

字母序的概念索引。不确定该去哪个目录查，先来这里；具体问题去 FAQ；角色路径去 按角色入门。

A – C

• A/B Testing（AB 测试） —— 见 MLOps 生命周期
• ACID on Object Store —— 见 湖表
• Ad-hoc Exploration（即席探索） —— 见 即席探索
• Agentic RAG —— 见 RAG §4 高级范式
• Agents on Lakehouse —— 见 Agents
• AI Governance（AI 治理） —— 见 ops/compliance §4 AI 合规
• ANN（Approximate Nearest Neighbor） —— 见 HNSW / IVF-PQ / DiskANN
• Anti-Patterns（反模式） —— 见 湖仓 20 反模式
• Arrow / FlightSQL / ADBC —— 见 Arrow 生态
• ASR（Automatic Speech Recognition） —— 见 音频管线
• AWQ / GPTQ（LLM 量化） —— 见 LLM Inference
• AQE（Adaptive Query Execution） —— Spark 自适应查询执行，见 Apache Spark
• Backfill（数据回灌） —— 见 迁移手册 · Bulk Loading
• Benchmark —— 见 Benchmark 参考 · 量级数字总汇
• Bin-packing（compaction 算法之一） —— 把小文件按大小桶合并到目标尺寸，见 Compaction
• Binary Embedding —— 见 Quantization
• Bloom Filter —— 概率型存在性判断，用于谓词下推前置过滤，见 谓词下推 · Puffin
• Branching & Tagging —— Iceberg 原生分支标签，见 Branching & Tagging
• Bulk Loading —— 见 Bulk Loading
• Business Scenarios（业务场景全景） —— 见 业务场景全景
• Capacity Planning（容量规划） —— 见 容量规划
• Case Studies（案例拆解） —— 见 案例拆解
• Catalog —— 见 Catalog 章节
• CDC（Change Data Capture） —— 见 Streaming Upsert / CDC
• CBO（Cost-Based Optimizer） —— 基于代价的查询优化器，见 Apache Spark · Trino
• CDP（Customer Data Platform） —— 见 CDP · 用户分群
• Classical ML（经典 ML 预测） —— 见 经典 ML 预测
• ColBERT / Late Interaction —— 见 多模检索模式 Pattern E · RAG §4 ColBERT v2
• Compliance（合规） —— 见 合规
• Contextual Retrieval —— 见 RAG §4 高级范式
• CRAG（Corrective RAG） —— 见 RAG §4 高级范式
• CLIP / SigLIP —— 多模 Embedding 模型，见 多模 Embedding
• ClickHouse —— 见 ClickHouse
• Columnar Storage —— 见 列式 vs 行式
• Compaction —— 见 Compaction
• Compute Pushdown —— 见 Compute Pushdown
• Compute-Storage Separation（存算分离） —— 见 存算分离
• Consistency（一致性模型） —— 见 一致性模型
• CoW / MoR —— 见 Hudi / Delete Files
• Cost Optimization —— 见 成本优化
• Cross-modal Query —— 见 跨模态查询

D – F

• Data Contract（数据契约） —— 见 Data Quality for ML
• Data Governance —— 见 数据治理
• Data Lineage（血缘） —— 见 数据治理 · Unity Catalog
• Dedupe（去重） —— 见 Streaming Upsert / CDC
• Data Systems Evolution（演进史） —— 见 三代数据系统演进史
• Debezium —— 见 Kafka 到湖
• Delete Files —— 见 Delete Files
• Delta Lake —— 见 Delta Lake
• DiskANN —— 见 DiskANN / 论文笔记
• Document Pipeline —— 见 文档管线
• Doris —— 见 Apache Doris
• DuckDB —— 见 DuckDB
• Embedding —— 见 Embedding
• Embedding Pipeline —— 见 Embedding 流水线
• Event Time / Watermark —— 见 事件时间 Watermark
• Feature Store —— 见 Feature Store · 横比
• Feature Serving —— 见 Feature Serving
• Feast —— 见 Feature Store 横比
• Fine-tuning Data —— 见 微调数据准备
• Flink —— 见 Apache Flink
• Flash Attention —— 见 LLM Inference
• Fraud Detection（欺诈检测） —— 见 欺诈检测 · 风险控制

G – I

• GDPR / HIPAA / PDPA / 个保法 —— 见 合规
• GPU 调度 —— 见 GPU 调度
• Gravitino —— 见 Apache Gravitino
• Guardrails（LLM 护栏） —— 见 Guardrails
• Hive Metastore —— 见 Hive Metastore
• HNSW —— 见 HNSW
• Hybrid Search —— 见 Hybrid Search
• HyDE —— 见 RAG §4 高级范式
• Iceberg —— 见 Apache Iceberg
• Iceberg REST Catalog —— 见 Iceberg REST Catalog
• Iceberg v3 —— Iceberg 协议下一代演进，见 Iceberg v3
• Image Pipeline —— 见 图像管线
• Incident Management —— 见 事故管理
• IVF-PQ —— 见 IVF-PQ

J – M

• Kafka → 湖 —— 见 Kafka 到湖
• Lakehouse（湖仓） —— 数据湖 + 数仓融合架构，见 湖仓章节 · 演进史
• Lake Table（湖表） —— 见 湖表
• Lake + Vector —— 见 Lake + Vector 融合架构
• Lance Format —— 见 Lance Format
• LanceDB —— 见 LanceDB
• LLM Inference Optimization —— 见 LLM Inference
• LLM Serving —— 见 Model Serving
• Manifest —— 见 Manifest
• Materialized View —— 见 物化视图
• Matryoshka Embedding —— 见 Quantization · Embedding
• MCP（Model Context Protocol） —— 见 MCP
• Migration Playbook —— 见 迁移手册
• Milvus —— 见 Milvus
• MLOps Lifecycle —— 见 MLOps 生命周期
• ML Evaluation —— 见 ML Evaluation（传统 ML · LLM/RAG 在 rag-evaluation）
• Experiment Tracking —— 见 Experiment Tracking
• Data Contract / Data Quality for ML —— 见 Data Quality for ML
• Label Quality —— 见 Data Quality for ML §4 + Model Monitoring §Label Quality
• Calibration —— 见 ML Evaluation §Calibration
• Fairness（公平性 · Demographic Parity / Equalized Odds / Disparate Impact）—— 见 ML Evaluation §Fairness · Model Monitoring §Fairness
• A/B Testing（显著性 · power · sample size） —— 见 ML Evaluation §A/B
• Model Card —— 模型合规 artifact（EU AI Act 高风险系统必需）· 见 Model Registry §Model Card
• Model Monitoring —— 见 Model Monitoring
• Model Registry —— 见 Model Registry
• Model Serving —— 见 Model Serving
• Modern Data Stack（现代数据栈） —— 见 Modern Data Stack
• MoE（Mixture of Experts） —— 见 LLM Inference
• MRR / nDCG —— 见 检索评估
• Multimodal Data Modeling —— 见 多模数据建模
• Multimodal Embedding —— 见 多模 Embedding
• MVCC —— 见 MVCC

N – R

• Nessie —— 见 Nessie
• OpenLineage —— 数据血缘开放标准，见 数据治理
• Object Storage —— 见 对象存储
• Observability —— 见 可观测性
• Offline Training Pipeline —— 见 离线训练数据流水线
• OLAP Accelerator（加速副本） —— 见 OLAP 加速副本对比
• OLAP Modeling —— 见 OLAP 建模
• Orchestration（编排） —— 见 编排系统概览 · 对比
• OLTP vs OLAP —— 见 OLTP vs OLAP
• ORC —— 见 ORC
• Paimon —— 见 Apache Paimon
• PagedAttention —— 见 LLM Inference
• Parquet —— 见 Parquet
• Partition Evolution —— 见 Partition Evolution
• Performance Tuning —— 见 性能调优
• pgvector —— 见 pgvector
• PII（Personally Identifiable Information） —— 见 Guardrails · 合规
• PIT Join（Point-in-Time） —— 主定义见 Feature Store（工程落地见 离线训练数据流水线）
• Train-Serve Skew（训推漂移） —— 主定义见 Feature Store（反模式汇总见 20 反模式）
• Polaris —— 见 Apache Polaris
• Predicate Pushdown（谓词下推） —— 见 谓词下推
• Prompt Injection —— 见 Guardrails §2 输入 Guardrails
• Prompt Management —— 见 Prompt 管理
• PSI（Population Stability Index） —— 见 MLOps 生命周期
• Puffin —— 见 Puffin
• Qdrant —— 见 Qdrant
• Query Acceleration —— 见 查询加速
• RAG —— 见 RAG
• RAG Evaluation —— 见 RAG 评估
• RAGAS —— 见 RAG 评估
• RBAC（Role-Based Access Control） —— 见 安全与权限
• Recall@K —— 见 检索评估
• Recommender System（推荐系统） —— 见 推荐系统
• Red Teaming —— 见 Guardrails §7 Red Teaming
• Rerank —— 见 Rerank · 模型对比
• RisingWave —— 见 流处理引擎横比
• RRF（Reciprocal Rank Fusion） —— 见 Hybrid Search

S – Z

• SCD（Slowly Changing Dimension） —— 维度表慢变模型 Type 1/2/3，见 OLAP 建模
• Schema Drift —— Schema 漂移，见 Schema Evolution · Data Quality for ML
• Schema Evolution —— 见 Schema Evolution
• Security —— 见 安全与权限
• Self-RAG —— 见 RAG §4 高级范式
• Semantic Cache —— 见 Semantic Cache
• Semantic Layer —— 见 语义层
• SGLang —— 见 LLM Inference
• SLA / SLO / SLI —— 见 SLA · SLO · DRE
• Snapshot —— 见 Snapshot
• Snapshot Isolation —— MVCC 提供的事务隔离级别，见 MVCC · 一致性模型
• Spark —— 见 Apache Spark
• Speculative Decoding —— 见 LLM Inference
• SPLADE —— 见 Sparse Retrieval · Hybrid Search
• SOC 2 —— 见 合规
• Star Schema / Snowflake Schema —— 维度建模经典模式，见 OLAP 建模
• StarRocks —— 见 StarRocks
• Streaming Engines（流处理对比） —— 见 流处理引擎横比
• Streaming Upsert / CDC —— 见 Streaming Upsert / CDC
• TCO（Total Cost of Ownership） —— 见 TCO 模型
• Text-to-SQL —— 见 Text-to-SQL 平台
• Time Travel —— 见 Time Travel
• Training Orchestration —— 见 训练编排
• Trino —— 见 Trino
• Troubleshooting —— 见 故障排查手册
• Unity Catalog —— 见 Unity Catalog
• Vectorized Execution —— 见 向量化执行
• Vector Database —— 见 向量数据库
• Vector Trends —— 检索新方向散见 Embedding · Quantization · Sparse Retrieval
• Video Pipeline —— 见 视频管线
• vLLM —— 见 LLM Inference
• Weaviate —— 见 Weaviate
• Whisper —— 见 音频管线
• Z-order / Liquid Clustering —— 见 查询加速

---

维护约定

本页手工维护。新增概念页时顺手加一行。未来条目数 > 200 时改脚本自动生成。