问题一：SLS时序引擎如何实现更智能的聚合写入？
SLS时序引擎如何实现更智能的聚合写入？
参考回答：
SLS时序引擎在网关侧实现了一个可以针对所有MetricStore的聚合写入方案，客户端无需使用SDK聚合，数据随机写入到一个SLS的网关节点，网关内部会进行自动聚合，保证一条时间线的数据存储在一个Shard上。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/634183
问题二：相比客户端SDK聚合写入，SLS网关侧聚合写入有什么优势？
相比客户端SDK聚合写入，SLS网关侧聚合写入有什么优势？
参考回答：
SLS网关侧聚合写入对客户端的计算和内存要求较低，支持RemoteWrite、iLogtail等方式，提高了SLS集群整体的资源效率。虽然在特定查询策略下相比客户端SDK控制会有一定劣势，但这种情况只适用于少数对QPS要求超高的用户。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/634184
问题三：全局Cache在SLS时序引擎中是如何工作的？
全局Cache在SLS时序引擎中是如何工作的？
参考回答：
全局Cache在SLS时序引擎中通过Step对齐的方式工作。用户请求进入计算节点时，根据Step修正Range并访问SLS Cache Server获取缓存结果。未命中缓存的Range向SLS后端查询数据并进行计算，然后将结果返回给客户端并更新到Cache中。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/634185
问题四：PromQL在SLS时序引擎中如何实现分布式并行计算？
PromQL在SLS时序引擎中如何实现分布式并行计算？
参考回答：
在SLS时序引擎中，PromQL的计算逻辑引入了一层并行计算架构。用户请求进入计算节点时，根据一定策略决定是否使用并行计算。若使用，则计算节点升级为Master角色，将Query并行拆分后发送到Worker节点执行。Worker节点执行子Query并将结果返回给Master，Master最终汇总所有结果并计算最终结果。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/634186
问题五：所有PromQL查询都支持分布式并行计算吗？
所有PromQL查询都支持分布式并行计算吗？
参考回答：
不是所有PromQL查询都支持分布式并行计算，但根据SLS时序引擎的分析，实际线上的90%以上请求都能支持并行计算并得到加速。
关于本问题的更多回答可点击原文查看：
