Merge branch 'dev' of https://github.com/Tencent/Metis into dev

docs/usecase.md

@@ -1,18 +1,30 @@
+## 学件
+“学件”(Learnware)一词由南京大学周志华老师原创，学件(Learnware) = 模型(model) + 规约(specification)，具有可重用、可演进、可了解的特性。
+很多人可能在自己的应用中已经建立了类似的模型，他们也很愿意找到一个地方把这些模型分享出去。这样一来，一个新用户想要应用，也许不用自己去建立一个，而是先到“学件”市场上找一找有没有合适的，拿来直接或修改后使用。学件基于专家基础上建立，所以比较容易得到专家级的结果，又因为共享出来的是模型，所以避免了数据泄露和隐私泄露的问题。
 
-## 使用场景
+## 运维学件
+“运维学件”也称为AI运维组件，类似程序中的API或公共库，但API及公共库不含具体业务数据，只是某种算法或者逻辑，而AI运维组件，则是在类似API的基础上，兼具对某个运维场景智能化解决的“记忆”能力，将处理这个场景的智能规则保存在了这个组件中。
+这个智能规则是在一定量的数据下学习而来的，且具有“可重用”，“可演进”，“可了解”的特性，既可共享由专家利用数据训练的算法模型，又可保护数据和隐私。
 
-时间序列异常检测学件经过海量监控数据打磨，在异常检测和运维监控领域具有广泛的应用性。
+## 应用案例场景
+
+时间序列异常检测学件经过海量监控数据打磨，在异常检测和运维监控告警领域具有广泛的应用性。
+
+![time_series_detector](images/time_series_detector.png)
 
 ### 功能特性
 
 时间序列异常检测学件：
 
-* 异常检测：时间序列的异常检测
-* 特征提取：提供时间序列统计、拟合、分类特征的提取功能
-* 异常查询：可对检测到的异常视图进行管理
-* 标注打标：可进行异常的标注和取消标注，标注结果为正负样本
-* 样本管理：提供样本库的管理能力，查询、编辑、上传、导出、删除
-* 模型管理：提供训练模型功能和训练任务管理
+* 异常检测API：提供率值检测和量值检测API接口，对时间序列进行检测
+
+时间序列异常检测学件支撑系统：
+
+* 特征提取：提供三类特征（统计特征、拟合特征、分类特征）的提取功能，特征维度90+；支持增加自定义特征
+* 异常查询：经API检测后的时间序列（仅异常）入库存储，提供管理功能，分页查询、检索、放缩等
+* 标注打标：提供标注打标的功能，标记/取消标记为正负样本，标记后样本自动转存样本库
+* 样本管理：提供样本管理功能，检索、图示、编辑、删除，导入等功能
+* 模型管理：提供模型管理功能，支持自定义模型训练
 
 ### 应用数据场景
 
@@ -20,8 +32,3 @@
 * 应用程序数据：适用于检测应用程序运行中记录的时序数据，例如读写量、调用量、自定义监控指标等。
 * KPI指标数据：适用于检测业务KPI数据，例如交易量、收入值、在线数、成功率、失败量等业务关键指标。
 
-### 应用案例场景
-
-* 监控告警：可取代传统阈值监控方式，智能检测时序数据的异常。
-* 关联分析：可通过分析检测结果的关联性和根源性，实现异常精准定位。
-* 影响评估：可检测出大范围故障或网络波动，在故障发生时评估出故障影响。