通用
项目
所有作业都在项目的上下文中运行。
每个项目都包含在一个存储资源中。
项目是名称的层次结构。
项目是按起始路径组织的（例如：scale://azure-resource/productline-a/product-b/dept-c/study-d）。
作业
作业是由Scale用户提交的。
作业是由运行组成的。
具体作业
输入是一个或多个具体仿真输入。
输出可能包括所有仿真输出文件和后处理。
开环作业
类似于具体作业，除了输入是一个或多个开环仿真输入，以及一个样本。
开环作业就像在一个循环中运行具体作业，其中的N是样本大小。
闭环作业
类似于开环作业，除了输入之外，还包括多次迭代，以及从上一次迭代产生更多样本的方法。
闭环作业就像在一个循环中运行开环作业，其中的N是迭代次数。
运行
在同一台执行主机上运行的工作节点功能的执行序列。
典型的序列：
- 下载文件到执行主机
- 填充器将设计空间转换成具体输入（具体作业会跳过这一步）
- 进行仿真
- 后处理
仿真输入
通常是指提供给特定仿真软件的文件目录
具体仿真输入
可以用来仿真的一组文件，不会发生任何改变
开环仿真输入
可以用来仿真的一组文件，不会发生任何改变
注意：同一个目录既可以是具体仿真输入，又可以是开环仿真输入
数据管理
数据管理可以分为两部分：
输入数据管理
除了提供对文件的访问之外，Scale并不参与管理仿真输入。
结果数据管理
Scale支持文件和数据帧的填充。
只提供有限的工具来访问这些数据。
使用标准技术（例如：Azure Blob和PostgreSQL）。
诸如Tableau和PowerBI等分析工具能够很好地挖掘PostgreSQL数据。
存储资源
所有数据都被保存到一个资源中。每个资源都有两个数据存储的备份。
- 数据帧存储 — 用来存储基于表格数据的地方（例如：仿真输入和关键性能指标（KPI））
- 文件存储 — 用来存储文件的地方（例如：文件系统）
每个Scale集群都会提供默认的存储资源，用于保存Scale集群中的所有数据。
当集群被删除时，这里的所有数据都会被删除。
可以创建和注册额外的存储资源。
使用PostgreSQL和Azure Blob存储的资源是可用的。
这种存储是Scale集群的外部存储，在Scale集群被删除之后仍然会保留。
数据帧
指的是表格式的数据（https://spark.apache.org/docs/latest/sql-programming-guide.html）
Scale URI
在资源中存储的所有数据都可以通过一个Scale URI进行引用。例如：
scale://{resource}/{project_path}/{job_id}/{input_name}/{index}/…
项目URI
特定的项目（resource + project_path）
例如：scale://{resource}/{project_path}/{job_id}/{input_name}/{index}/…
作业URI
特定的作业（resource + project_path + job_id）
例如：scale://{resource}/{project_path}/{job_id}
作业ID
唯一标识给定项目URI的作业。
作业ID是在提交作业时构建的。
它们是通过组合集群名称和一个递增的整数来产生的，这个整数是由项目URI来决定的。
例如：scale://{resource}/{project_path}/{job_id}
泛化/设计空间
向Scale提供公共接口的一组技术，用于驱动参数化的作业。
空间
一个用来定义参数、约束和填充器的文件。
空间文件可以：
- 支持XML、JSON和YAML格式
- 支持Include命令，将大的空间文件分成多个文件
参数
仿真输入的单一变化维度。
参数与以下信息有关联：
- 名称（name）：用于唯一标识参数
- 标签（label）：通常比名称更容易让人读懂
- 取值类型（value type）：例如，字符串、整数或实数
- 随机类型（random type）：例如，连续的或离散的
- 分布（distribution）：例如，均匀分布、正太分布、二项分布等
约束
提供定义一个或多个参数之间的界限的能力。
约束条件可以使用有效值列表（例如：离散参数）或表达式（连续参数）来定义。
填充器
能够应用特定参数值，并且创建具体仿真输入的逻辑
样本
样本是一个二维数组，其中的列与参数相关，每一行是一个仿真/运行。
采样器
能够创建给定空间的样本的逻辑（例如：蒙特卡洛、全因子/网格搜索）。
有些采样器可以接受现有的样本作为输入（又称为重采样器）。
当试图优化一个特定的标准时，可以在闭环作业中使用重采样。
后端
术语通常对用户是隐藏的。
管理员和专家用户需要理解这些术语。
工作节点功能
Scale内的原子工作单位。
支持Python工作节点功能。
仿真和后处理是在Python中完成的。
根据需要，Python可以执行外部可执行文件。
将一个普通的Python函数转换为一个工作节点功能，需要使用一个带有注解的特定参数签名。
工作节点镜像
工作节点功能被打包成Docker镜像。
在运行Docker镜像时，会创建一个REST服务，可用于访问正在运行的工作节点功能。
镜像具有版本信息。
工作节点容器
在启动镜像时，会创建一个容器。
工作节点分组
可以部署（发送给N台主机）和启动的工作节点镜像集合。
可以向特定类型（例如：CPU或GPU）的节点发送一个工作节点分组，这取决于各个工作节点功能的需求。
节点
节点是在Scale集群中运行的虚拟机。
工作节点在节点主机中运行。
大型节点能够运行多个工作节点分组。
Add Comment