sync github prod-community

README.md

@@ -18,4 +18,6 @@
 2. 加入腾讯蓝鲸社区交流群，与运维大佬们一起研究交流技术干货--腾讯蓝鲸社区交流群：495299374
 3. 给我们写邮件：[email protected]
 
-具体教程：[文档更新指引](./ZH/DocumentationContributorGuide/7.0/collaborateguide.md)
+具体教程：[文档更新指引](./ZH/DocumentationContributorGuide/7.0/collaborateguide.md)
+
+

ZH/DeploymentGuides/7.1/prepare-bkctrl.md

@@ -74,7 +74,7 @@ yum install -y jq unzip uuid
 # 安装下载脚本
 CentOS 支持在当前用户的 `bin` 目录下安装命令：
 ``` bash
-mkdir ~/bin/
+mkdir -p ~/bin/
 curl -sSf https://bkopen-1252002024.file.myqcloud.com/ce7/7.1-stable/bkdl-7.1-stable.sh -o ~/bin/bkdl-7.1-stable.sh
 chmod +x ~/bin/bkdl-7.1-stable.sh
 ```

ZH/DeploymentGuides/7.1/update.md

@@ -24,3 +24,56 @@ cd ~/bkce7.1-install/blueking/  # 进入工作目录
 
 遵循界面指引完成升级过程，等待 Agent 上报新的版本号，即升级完成。
 
+
+## 更新 bk-user
+
+|  | chart 版本号 | 软件版本号 |
+|--|--|--|
+| 7.1.0 发布 | 1.4.14-beta.1 | 2.5.4-beta.1 |
+| 20230815 功能更新 | 1.4.14-beta.7 | 2.5.4-beta.7 |
+
+### 20230815 功能更新
+本版本为问题修复。
+
+登录到 **中控机**，先更新 helm 仓库缓存：
+``` bash
+helm repo update
+```
+检查仓库里的版本：
+``` bash
+helm search repo bk-user --version 1.4.14-beta.7
+```
+预期输出如下所示：
+>``` plain
+>NAME            	CHART VERSION	APP VERSION 	DESCRIPTION
+>blueking/bk-user	1.4.14-beta.7   	3.6.2-rc.3  	略
+>```
+
+接下来开始升级了。
+
+先进入工作目录：
+``` bash
+cd ~/bkhelmfile/blueking  # 默认路径，按实际情况修改。
+```
+
+修改 `environments/default/version.yaml` 文件，配置 bk-user charts version 为 `1.4.14-beta.7`：
+``` bash
+sed -i 's/bk-user:.*/bk-user: "1.4.14-beta.7"/' environments/default/version.yaml
+grep bk-user environments/default/version.yaml  # 检查修改结果
+```
+预期输出：
+>``` yaml
+>  bk-user: "1.4.14-beta.7"
+>```
+
+更新 bk-user：
+``` bash
+helmfile -f base-blueking.yaml.gotmpl -l name=bk-user apply
+```
+
+等待命令执行完毕，结尾输出如下即为更新成功：
+>``` plain
+>UPDATED RELEASES:
+>NAME      CHART              VERSION
+>bk-user   blueking/bk-user   1.4.14-beta.7
+>```

ZH/Monitor/3.8/UserGuide/Overview/README.md

@@ -1,25 +1,31 @@
 # 产品简介
 
-监控平台是蓝鲸智云官方推出的一款监控平台产品，除了具有丰富的数据采集能力，大规模的数据处理能力，还具有强大的平台扩展能力。依托于蓝鲸 PaaS，在整个蓝鲸生态中可以形成监控的闭环能力，帮助业务真正建立覆盖CI-CD-CO的业务运营体系。
+监控平台是蓝鲸智云官方推出的一款业务观测产品，具有丰富的数据采集能力，大数据处理能力，强大的平台扩展能力。依托于蓝鲸 PaaS，在整个蓝鲸生态中可以形成完整的观测的闭环能力，帮助业务真正建立覆盖CI-CD-CO的业务运营体系。
 
 监控平台具有易用性、及时性、准确性、智能化、开放性、生态化等特性，致力于满足不同的监控场景需求和能力，为在线业务保驾护航，助力业务"运筹帷幄之中，决胜千里之外"。
 
-蓝鲸监控平台的定位： 企业级、一站式、围绕业务的多维度的可观测平台。
 
-* 企业级：主要是解决企业级大量数据的处理需求，所以不是简单的监控工具。
-* 一站式：监控的领域很多，能力也非常的多，尽可能的提供一站式监控服务满足不同角色不同场景的诉求。
-* 可观测平台：提供不同视角不同能力的综合性的可观测能力，最终都是为业务来服务。
+**一站式、企业级、满足不同业务架构、快速准确告警并定位处理的平台。**
 
-监控平台并不是简单的一个产品，是包含了监控领域多个产品的共同作用的结果。
+![](media/16905480672130.jpg)
 
-涉及到的产品有： 
+
+相关的产品： 
 
 1. 依赖PaaS、CMDB、节点管理、容器管理服务等
 2. 日志数据：日志平台
 3. 故障处理：故障自愈
 4. 智能监控：计算平台和AIOps平台
 5. 周边服务：JOB、标准运维、ITSM等
 
-![](media/16611709680440.jpg)
+支持可观测能力的6种数据：
+
+1. Metrics 指标数据
+2. Logs 日志数据
+3. Traces 调用链数据
+4. Events 事件数据
+5. Profiling 性能数据
+6. Alerts 告警数据
 
+![](media/16905477946028.jpg)
 

ZH/Monitor/3.8/UserGuide/Overview/benefits.md

@@ -1,25 +1,17 @@
 ## 核心优势
 
-![](media/16611790412033.jpg)
-
 
 1. **生态闭环：** 依托蓝鲸 PaaS 深度整合了 CMDB，故障自愈，日志平台，作业平台，节点管理，数据平台，工单等能力。随着生态的完善监控的智能化将更加强大
-![](media/16611790600963.jpg)
-
 
 2. **观测场景-开箱即用：** 默认的主机、进程监控，拨测能力，容器监控和APM，还有默认的系统事件，策略配置，可以满足基本的开箱即用
-![](media/16611791037513.jpg)
 
+3. **数据集成-支持采集管理：** 一个简单的脚本，就可以采集数据，支持脚本的在线调试采集，全生命周期托管，无需考虑脚本如何部署如何管理问题。支持 Prometheus 的 Exporter 数据采集格式，可以简单的将 Exporter 迁移至监控平台的插件。
 
-3. **数据集成-支持采集管理：** 一个简单的脚本，就可以采集数据，支持脚本的在线调试采集，全生命周期托管，无需考虑脚本如何部署如何管理问题。
-    支持 Prometheus 的 Exporter 数据采集格式，可以简单的将 Exporter 迁移至监控平台的插件。
-    支持远程采集
-![](media/16622103216329.jpg)
+4. **SDK上报：** 支持通过 HTTP、Prometheus SDK、OpenTelemetry SDK 自定义上报时序和事件数据。
 
-4. **SDK上报：** 支持通过 HTTP、Prometheus SDK、Opentelemetry SDK 自定义上报时序和事件数据。
+5. **告警配置-告警及自愈：** 灵活的策略配置满足单机，单实例，集群，多维度等告警需求；内置了 8 种静态检测算法、3种智能检测算法；多种告警收敛等防止告警风暴等
 
-5. **告警配置-告警及自愈：** 灵活的策略配置满足单机，单实例，集群，多维度等告警需求；内置了 8 种检测算法；多种告警收敛等防止告警风暴等
-![](media/16611791274210.jpg)
+![](media/16906057539153.jpg)
 
 
 

ZH/Monitor/3.8/UserGuide/ProductArchitecture/datamodule.md

@@ -2,7 +2,7 @@
 
 数据模型主要是介绍监控的数据上报格式、存储格式和监控管理运作的关系。
 
-### 用户关心的数据分层
+### 数据分层
 
 不管是以什么方式进行数据的采集，上报；不论数据是从哪上报上来；不论是时序数据，事件数据还是日志数据都是为用户关心的数据分层而服务。
 
@@ -55,7 +55,7 @@
 ![](media/16612221352204.jpg)
 
 
-## 监控平台基本数据结构
+## 数据结构
 
 ### 自定义事件数据
 
@@ -85,7 +85,7 @@
 }
 ```
 
-### 时序数据结构
+### 自定义时序数据结构
 
 ```json
 {
@@ -129,6 +129,8 @@ http_request_total{status="404", method="POST", route="/user"} 94334
 
 ## Trace 的数据结构
 
-支持Opentelemetry和OpenTracing
+支持OpenTelemetry和OpenTracing
+
+[OpenTelemetry介绍](integrations-traces/opentelemetry_overview.md)
 
 

ZH/Monitor/3.8/UserGuide/ProductFeatures/aiops/aiops_metrics_forecast.md

@@ -6,21 +6,6 @@
 1. 数据类型：指标数据，支持多维度的指标数据
 2. 数据来源：监控采集，默认上报的，计算平台tspider的可以在监控查看到的数据。 自定义上报和日志的数据不包括在内。 
 
-### 配置方法
-
-1. 监控数据中选择添加监控指标。
-![](media/16614288675108.jpg)
-
-2. 模型名称中选择“通用时间序列预测_小时级别”。
-![](media/16614344829086.jpg)
-3. 配置 是否为线性预测 和 预测时长。
-4. 配置阈值，当满足阈值条件时将触发告警。 
-5. 接收到告警后，如果不准确，可以在告警详情中进行反馈，模型会定期持续训练
-
-### 适用的数据场景
-
-时序预测适用于大部分时序指标，特别适用于以下两种场景。
-
 
 #### 场景一：指标呈现周期性波动 
 
@@ -37,3 +22,16 @@
 ![](media/16614345294248.jpg)
 
 
+
+### 配置方法
+
+1. 监控数据中选择添加监控指标。
+![](media/16614288675108.jpg)
+![](media/16921698735590.jpg)
+
+2. 模型名称中选择“通用时间序列预测_小时级别”。
+![](media/16614344829086.jpg)
+3. 配置 是否为线性预测 和 预测时长。
+4. 配置阈值，当满足阈值条件时将触发告警。 
+5. 接收到告警后，如果不准确，可以在告警详情中进行反馈，模型会定期持续训练
+

ZH/Monitor/3.8/UserGuide/ProductFeatures/aiops/aiops_metrics_intelligent_detect.md

@@ -8,27 +8,6 @@ AIOps相关的能力依赖蓝鲸AIOps平台，蓝鲸监控对接了AIOps平台
 1. 数据类型：指标数据，支持多维度的指标数据
 2. 数据来源：监控采集，默认上报的，计算平台tspider的可以在监控查看到的数据。 自定义上报和日志的数据不包括在内。 
 
-### 配置方法
-
-1. 监控数据中选择添加监控指标。
-![](media/16614288675108.jpg)
-
-2. 模型名称中选择“通用智能异常检测模型”。
-![](media/16614288805917.jpg)
-3. 配置希望检测的异常方向：向上、向下。
-4. 配置敏感度，如果不清楚可以先不动，等有效果之后再根据告警情况进行调整，敏感度越高命中的告警更多，敏感度越低命中的告警越少。
-  PS：配置完成后有一段时间的延迟，并且智能学习有一定的学习过程。
-![](media/16614288981493.jpg)  
-5. 接收到告警后，如果不准确，可以在告警详情中进行反馈，模型会定期持续训练
-![](media/16614289123180.jpg)
-
-
-
-### 适用的数据场景
-
-智能异常检测适用于大部分时序指标，特别适用于以下三种场景。
-
-
 #### 场景一：指标呈现周期性波动 
 
 当指标呈现周期性波动时，难以设置合理的静态阈值来检出图中明显的异常点，该场景下使用智能异常检测，既能保证检测的准确性，也能避免重复告警对用户的骚扰。
@@ -52,3 +31,24 @@ AIOps相关的能力依赖蓝鲸AIOps平台，蓝鲸监控对接了AIOps平台
 ![](media/16614289388258.jpg)
 
 
+
+
+### 配置方法
+
+1. 监控数据中选择添加监控指标。
+![](media/16614288675108.jpg)
+
+2. 模型名称中选择“通用智能异常检测模型”。
+![](media/16914642718256.jpg)
+
+3. 配置希望检测的异常方向：向上、向下。
+4. 配置敏感度，如果不清楚可以先不动，等有效果之后再根据告警情况进行调整，敏感度越高命中的告警更多，敏感度越低命中的告警越少。
+  PS：配置完成后有一段时间的延迟，并且智能学习有一定的学习过程。
+![](media/16914641915372.jpg)
+
+5. 接收到告警后，如果不准确，可以在告警详情中进行反馈，模型会定期持续训练
+![](media/16614289123180.jpg)
+
+
+
+

ZH/Monitor/3.8/UserGuide/ProductFeatures/alarm-configurations/coverge.md

@@ -17,8 +17,6 @@
 1. 如果产生了高级别告警，同维度低级别告警会立即恢复。
 2. 如果存在高级别告警，低级别告警不会产生
 
-## 告警降噪
-
 
 ## 告警汇总