[中报]博睿数据(688229):2022年半年度报告
|
时间：2022年08月26日 18:28:23 中财网 |
|
原标题:博睿数据:2022年半年度报告
公司代码：688229 公司简称：博睿数据
北京博睿宏远数据科技股份有限公司
2022年半年度报告
重要提示
一、本公司董事会、监事会及董事、监事、高级管理人员保证半年度报告内容的真实性、准确性、完整性，不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。
二、重大风险提示
公司已在本报告中详细阐述公司在经营过程中可能面临的各种风险及应对措施，敬请查阅本报告第三节“管理层讨论与分析”。
三、公司全体董事出席董事会会议。
四、本半年度报告未经审计。
五、公司负责人李凯、主管会计工作负责人王辉及会计机构负责人（会计主管人员）王晓杰声明：保证半年度报告中财务报告的真实、准确、完整。
六、董事会决议通过的本报告期利润分配预案或公积金转增股本预案 无
七、是否存在公司治理特殊安排等重要事项
□适用 √不适用
八、前瞻性陈述的风险声明
√适用 □不适用
本报告中涉及的未来计划、发展战略等前瞻性陈述因存在不确定性，不构成公司对投资者的实质承诺，敬请投资者注意投资风险。
九、是否存在被控股股东及其关联方非经营性占用资金情况
否
十、是否存在违反规定决策程序对外提供担保的情况？
否
十一、是否存在半数以上董事无法保证公司所披露半年度报告的真实性、准确性和完整性 否
十二、其他
□适用 √不适用
目录
第一节 释义..................................................................................................................................... 5
第二节 公司简介和主要财务指标 ............................................................................................... 11
第三节 管理层讨论与分析 ........................................................................................................... 15
第四节 公司治理 ........................................................................................................................... 36
第五节 环境与社会责任 ............................................................................................................... 39
第六节 重要事项 ........................................................................................................................... 41
第七节 股份变动及股东情况 ....................................................................................................... 68
第八节 优先股相关情况 ............................................................................................................... 73
第九节 债券相关情况 ................................................................................................................... 73
第十节 财务报告 ........................................................................................................................... 74
| 备查文件目录 | 载有公司负责人、主管会计工作负责人、会计机构负责人签名并盖章
的财务报表。 |
| | 报告期内公开披露过的所有公司文件的正本及公告的原稿 |
| | |
第一节 释义
在本报告书中，除非文义另有所指，下列词语具有如下含义：
| 常用词语释义 | | |
| 博睿、博睿数据、股份公司、
本公司、公司、本集团 | 指 | 北京博睿宏远数据科技股份有
限公司 |
| 博睿有限 | 指 | 北京博睿宏远科技发展有限公
司 |
| 武汉博睿子公司、武汉博睿 | 指 | 武汉市博睿宏远科技有限责任
公司 |
| 北京博睿子公司 | 指 | 博睿宏远（北京）科技有限责
任公司 |
| 佳合兴利 | 指 | 北京佳合兴利投资中心（有限
合伙） |
| 元亨利汇 | 指 | 北京元亨利汇投资中心（有限
合伙） |
| 苏商基金 | 指 | 苏州苏商联合产业投资合伙企
业（有限合伙） |
| 报告期期末 | 指 | 2022年6月30日 |
| 报告期 | 指 | 2022年1月1日-2022年6月
30日 |
| Gartner | 指 | 高德纳咨询公司（Gartner
Group），全球权威的IT研究
与顾问咨询公司，研究范围覆
盖全部IT产业。 |
| IT运维管理、ITOM | 指 | 信息系统运维管理（ IT
Operational Management），
采用专业的信息技术和方法，
对软硬件环境、网络、应用系
统及运维服务流程等进行综合
管理，其目的是保障系统与网
络的可用性、安全性和业务的
持续性。 |
| 应用性能管理、APM | 指 | 应用性能管理（Application
Performance Management &
Monitoring），又可称为应用
性能监测，通过监测、诊断和
分析复杂软件及应用程序的性
能问题来保障其良好稳定运
行。 |
| IT基础架构 | 指 | 是一个综合概念，为了确保应
用系统的可靠运行，IT基础架
构中必须包含网络、服务器、
操作系统、存储、中间件等。 |
| 数字化转型 | 指 | 根据中国信息通信研究院出具
的《中国数字经济发展与就业
白皮书（2019 年）》中的定义，
数字化转型是指产业与数字技
术全面融合，提升效率的经济
转型过程，即各产业利用数字 |
| | | 技术，把产业各要素、各环节
全部数字化，通过对数字世界
的仿真模拟、设计优化等操作，
推动技术、人才、资本等资源
配置优化，推动业务流程、生
产方式重组变革，从而提高产
业效率。 |
| 数字经济 | 指 | 根据中国信息通信研究院出具
的《中国数字经济发展与就业
白皮书（2019年）》中的定义，
数字经济是以数字化的知识和
信息为关键生产要素，以数字
技术创新为核心驱动力，以现
代信息网络为重要载体，通过
数字技术与实体经济深度融
合，不断提高传统产业数字化、
智能化水平，加速重构经济发
展与政府治理模式的新型经济
形态。 |
| 全栈溯源 | 指 | 是一种在复杂的应用环境下，
精确定位并判断网络、移动端、
浏览器端、服务端性能问题根
源的技术手段，可降低跨部门
排障沟通成本，实现完整业务
调用链跟踪。 |
| 海量数据 | 指 | 行业内一般指超过 PB量级的
数据 |
| 数字体验监测、DEM | 指 | 数字体验监测（ Digital
Experience Monitoring）产
品，是前端应用监控产品，可
监控客户线上业务链条前端
APP、网页等应用程序的用户体
验以及互联网传输状况。 |
| 应用发现跟踪和诊断、ADTD | 指 | 应用发现跟踪和诊断
（Application Discovery，
Tracing and Diagnostics）产
品，是后端服务器应用监控产
品，可监控客户线上业务链条
后端服务器应用处理前端请求
的交互过程。 |
| 智能运维、AIOps | 指 | 智能运维（ Artificial
Intelligence for IT
Operations），将人工智能应
用于运维领域，结合大数据和
机器学习等技术，提升IT运维
效率，实现机器自我学习、自
行分析决策、自动化执行脚本，
进一步解决自动化运维无法解
决的问题。 |
| 网络性能监测、NPM | 指 | 网络性能监测（ Network |
| | | Performance Management &
Monitoring），又可称为网络
性能管理，利用包数据、流数
据和基础设施指标的组合，对
网络可用性、性能以及运行的
应用程序流量提供历史的、实
时的和预测性的视图。 |
| 报文 | 指 | 是网络中交换与传输的数据单
元，即站点一次性要发送的数
据块。报文包含了将要发送的
完整数据信息，其长短很不一
致，长度不限且可变。 |
| 事务 | 指 | 访问并可能更新数据库中各种
数据项的一个程序执行单元，
事务由事务开始和事务结束之
间执行的全体操作组成。 |
| 在线流式处理 | 指 | 一种大数据处理技术，用于处
理连续数据流，不同于传统的
数据加工遵循日清日毕模式，
流式处理能在收到数据短时间
内快速检测出异常条件，监测
时间从几毫秒到几分钟不等。 |
| 列式压缩存储 | 指 | 将一张表中的数据压缩后按照
列为基础逻辑存储单元进行存
储，相较于行式存储，列式存
储最大可能降低查询响应时
间，可在数据列中高效查找数
据，无需维护索引，并更节省
存储空间。 |
| 响应式 | 指 | 根据不同设备浏览尺寸或分辨
率来展示不同页面结构层、行
为层、表现层内容。 |
| 探针技术 | 指 | 探针是一段代码（或者说一类
简易程序），嵌入在关键节点、
底层软件、应用框架或应用软
件中用来探测空间、服务器运
行状况和信息，可以实时查看
服务器硬盘资源、内存占用、
网卡流量、系统负载、服务器
时间等信息。 |
| 服务器 | 指 | 也称伺服器，是提供计算服务
的设备，其构成包括处理器、
硬盘、内存、系统总线等，和
通用的计算机架构类似，但拥
有更高的性能。 |
| PC | 指 | 个人计算机，由硬件系统和软
件系统组成，一种能独立运行，
完成特定功能的设备，在大小、
性能以及价位等多个方面适合
于个人使用，并由最终用户直 |
| | | 接操控的计算机的统称。 |
| APP | 指 | 应用程序，即可以在移动设备
上使用，满足人们咨询、购物、
社交、娱乐、搜索等需求的应
用程序。 |
| SDK | 指 | 软件开发工具包（Software
Development Kit，首字母缩写
为 SDK）一般都是一些软件工
程师为特定的软件包、软件框
架、硬件平台、操作系统等建
立应用软件时的开发工具的集
合。 |
| IOS | 指 | 由苹果公司开发的移动操作系
统，属于类Unix的商业操作系
统。 |
| Android | 指 | 一种基于Linux的自由及开放
源代码的操作系统，主要使用
于移动设备。 |
| API | 指 | Application Programming
Interface，应用程序编程接
口，是操作系统留给应用程序
的一个调用接口，应用程序通
过调用操作系统的 API，使操
作系统去执行应用程序的命
令。 |
| 流媒体 | 指 | 采用流式传输的方式在互联网
播放的媒体格式，即商家用视
频传送服务器把内容数据包传
送到网络上，用户通过解压设
备对这些数据进行解压后获取
节目内容。 |
| 云计算 | 指 | IT基础设施与应用的交付和
使用模式，通过网络以按需、
易扩展的方式获得所需资源；
广义云计算指服务的交付和使
用模式，指通过网络以按需、
易扩展的方式获得所需服务。 |
| TCP | 指 | Transmission Control
Protocol，传输控制协议，是
一种面向连接的、可靠的、基
于字节流的传输层通信协议。 |
| HTTP | 指 | HyperText Transfer
Protocol，超文本传输协议，
是一个客户端和服务器端请求
和应答的标准，是一种详细规
定了浏览器和万维网服务器之
间的通信规则，通过因特网传
送万维网文档的数据传送协
议。 |
| H5 | 指 | HTML 5，即第五代超文本标识 |
| | | 语言。 |
| JavaScript | 指 | 一种解释性脚本语言，主要用
来向HTML页面添加交互行为。 |
| Ajax | 指 | 异步JavaScript和XML，是指
一种创建交互式网页应用的网
页开发技术，通过在后台与服
务器进行少量数据交换，Ajax
可以使网页实现异步更新。这
意味着可以在不重新加载整个
网页的情况下，对网页的某部
分进行更新。 |
| 容器化 | 指 | 应用程序级别的虚拟化，允许
单个内核上有多个独立的用户
空间实例，这些实例成为容器，
容器提供了将应用程序的代
码、运行时环境、系统工具、
系统库和配置打包到一个实例
中的标准方法。 |
| 微服务 | 指 | 一项在云中部署应用和服务的
新技术，微服务基于业务能力
构建，每个服务独立运行，使
用轻量级机制通信，能够通过
自动化部署机制来独立部署，
使用不同的编程语言实现以及
不同数据存储技术，并保持最
低限度的集中式管理。 |
| SaaS | 指 | 软件即服务（Software-as-a-
Service），是一种通过
Internet提供软件的模式，厂
商将应用软件统一部署在自己
的服务器上，客户可以根据自
己实际需求，通过互联网向厂
商定购所需的应用软件服务，
按定购的服务多少和时间长短
向厂商支付费用，并通过互联
网获得厂商提供的服务。 |
| 解耦 | 指 | 耦合是指两个及以上的体系或
两种运动形式间通过相互作用
而彼此影响以至联合起来的现
象。在软件工程中，对象之间
的耦合度体现了对象之间的依
赖性，耦合越高，维护成本越
高。解耦即降低耦合度。 |
| 高并发 | 指 | 通常指通过设计保证系统能够
同时并行处理很多请求 |
| 拓扑 | 指 | 研究几何图形或空间在连续改
变形状后还能保持不变的一些
性质的一个学科，它只考虑物
体间的位置关系而不考虑其形
状和大小。计算机网络的拓扑 |
| | | 结构是引用拓扑学中研究与大
小，形状无关的点、线关系的
方法。把网络中的计算机和通
信设备抽象为一个点，把传输
介质抽象为一条线，由点和线
组成的几何图形就是计算机网
络的拓扑结构。 |
| 敏捷开发 | 指 | Agile Software
Development，一种能应对快速
变化需求的软件开发能力。相
对于“非敏捷”，更强调程序
员团队与业务专家之间的紧密
协作、面对面沟通、频繁交付
新的软件版本、紧凑而自我组
织型的团队、能够很好地适应
需求变化的代码编写和团队组
织方法，也更注重作为软件开
发中人的作用。 |
| DevOps | 指 | Development和Operations的
组合词，是为促进开发、运维
和质量保障部门之间的沟通、
协作和集成所采用的流程、方
法和体系的集合。DevOps将敏
捷的理念引入运维领域，打通
从需求提出到上线运行之间的
所有环节，从而使IT投入能够
快速转化为业务价值。 |
| SQL | 指 | 结构化查询语言（Structured
Query Language），是一种数
据库查询和程序设计语言，用
于存取数据以及查询、更新和
管理关系数据库系统。 |
| NoSQL | 指 | Not Only SQL，泛指非关系型
的数据库 |
| UI | 指 | User Interface（用户界面）
的简称，泛指用户的操作界面，
UI设计主要指界面的样式、美
观程度、软件的人机交互、操
作逻辑、界面美观的整体设计
等。 |
| 慢请求 | 指 | 响应时间超过指定阈值的请求 |
| 中国证监会 | 指 | 中国证券监督管理委员会 |
| 新冠肺炎疫情、疫情 | 指 | 新型冠状病毒肺炎重大传染疫
情 |
| 智维盈讯 | 指 | 北京智维盈讯网络科技有限公
司 |
| 深圳智象 | 指 | 深圳市智象科技有限公司 |
| 深圳励石诺 | 指 | 深圳励石诺世界投资管理中心
（有限合伙） |
| 网络性能监测、NPM | 指 | 网络性能监测（ Network |
| | | Performance Management &
Monitoring），又可称为网络
性能管理，利用包数据、流数
据和基础设施指标的组合，对
网络可用性、性能以及运行的
应用程序流量提供历史的、实
时的和预测性的视图。 |
第二节 公司简介和主要财务指标
一、 公司基本情况
| 公司的中文名称 | 北京博睿宏远数据科技股份有限公司 |
| 公司的中文简称 | 博睿数据 |
| 公司的外文名称 | Bonree Data Technology Co.,Ltd |
| 公司的外文名称缩写 | Bonree |
| 公司的法定代表人 | 李凯 |
| 公司注册地址 | 北京市东城区东中街46号4层 |
| 公司注册地址的历史变更情况 | 公司于2008年2月29日设立，注册地址为北京市通州区
西集镇国防路43号221室；于2010年6月25日注册地址
变更至北京市朝阳区吉庆里18号楼B座1206室；于2013
年5月29日注册地址变更至北京市朝阳区吉庆里6号楼
1702室；于2016年11月18日注册地址变更至北京市东
城区东中街46号4层。 |
| 公司办公地址 | 北京市东城区东中街46号4层 |
| 公司办公地址的邮政编码 | 100027 |
| 公司网址 | http://www.bonree.com |
| 电子信箱 | [email protected] |
| 报告期内变更情况查询索引 | 无 |
| | |
二、 联系人和联系方式
三、 信息披露及备置地点变更情况简介
| 公司选定的信息披露报纸名称 | 中国证券报、上海证券报、证券时报、证券日报 |
| 登载半年度报告的网站地址 | www.see.com.cn |
| 公司半年度报告备置地点 | 公司董事会办公室 |
| 报告期内变更情况查询索引 | 不适用 |
四、 公司股票/存托凭证简况
(一) 公司股票简况
√适用 □不适用
| 公司股票简况 | | | | |
| 股票种类 | 股票上市交易所
及板块 | 股票简称 | 股票代码 | 变更前股票简称 |
| A股 | 上海证券交易所
科创板 | 博睿数据 | 688229 | 无 |
(二) 公司存托凭证简况
□适用 √不适用
五、 其他有关资料
□适用 √不适用
六、 公司主要会计数据和财务指标
(一) 主要会计数据
单位：元 币种：人民币
| 主要会计数据 | 本报告期
（1－6月） | 上年同期 | 本报告期比上年
同期增减(%) |
| 营业收入 | 62,550,362.54 | 62,514,344.05 | 0.06 |
| 归属于上市公司股东的净利润 | -48,817,578.44 | -48,273,209.55 | 不适用 |
| 归属于上市公司股东的扣除非经常性
损益的净利润 | -54,987,920.82 | -49,800,570.89 | 不适用 |
| 经营活动产生的现金流量净额 | -60,733,206.33 | -35,990,015.31 | 不适用 |
| | 本报告期末 | 上年度末 | 本报告期末比上
年度末增减(%) |
| 归属于上市公司股东的净资产 | 730,411,350.57 | 772,038,595.43 | -5.39 |
| 总资产 | 777,824,499.20 | 819,275,349.39 | -5.06 |
(二) 主要财务指标
| 主要财务指标 | 本报告期
（1－6月） | 上年同期 | 本报告期比上年
同期增减(%) |
| 基本每股收益（元／股） | -1.10 | -1.09 | 不适用 |
| 稀释每股收益（元／股） | -1.10 | -1.09 | 不适用 |
| 扣除非经常性损益后的基本每股收
益（元／股） | -1.24 | -1.12 | 不适用 |
| 加权平均净资产收益率（%） | -6.50 | -5.90 | 减少0.60个百分
点 |
| 扣除非经常性损益后的加权平均净
资产收益率（%） | -7.32 | -6.09 | 减少1.23个百分
点 |
| 研发投入占营业收入的比例（%） | 75.11 | 54.87 | 增加20.24个百分
点 |
公司主要会计数据和财务指标的说明
√适用 □不适用
1.2022年半年度公司归属于上市公司股东的净利润、归属于上市公司股东的扣除非经常性损益的净利润分别为-4,881.76万元、-5,498.79万元。较去年同期分别下降54.44万元、518.73万元，基本持平，略有下降，主要原因是：
（1）2022年半年度销售费用和研发费用较去年同期增长金额较大： 1 2022年半年度公司销售费用为5,205.15万元，较去年同期增长428.97万元，增长幅度为○
8.98%，主要系公司本报告期内销售人员加权平均人数增长，导致与销售人员相关的薪酬费用增长所致；
2 2022年半年度公司研发费用为4,698.18万元，较去年同期增长1,268.31万元，增长幅度为○
36.98%，主要系本报告期内公司优化现有研发团队结构与能力，以及引入高质量AI研发人员，提升数据处理与AI能力，导致与研发人员相关的薪酬费用增长所致。
（2）2022半年度所得税费用为-1,241.88万元，较去年同期减少1,149.22万元,下降幅度较大，主要系公司计提未来可抵扣亏损相关的递延所得税资产所致。
上述原因共同影响导致2022年半年度公司归属于上市公司股东的净利润、归属于上市公司股东的扣除非经常性损益的净利润较去年同期基本持平，略有下降。
2.2022年半年度公司经营活动产生的现金流量净额-6,073.32万元，较去年同期减少2,474.32万元，主要系公司本报告期支付给职工以及为职工支付的现金较去年同期增长所致。
3.2022年半年度末，公司归属于上市公司股东的净资产、总资产分别为73,041.14万元、77,782.45万元，较2021年末分别下降5.39%、5.06%,主要系公司在报告期内亏损，导致归属于上市公司股东的净资产和总资产减少所致。
4.2022年半年度公司基本每股收益、扣除非经常性损益后的基本每股收益、加权平均净资产收益率、扣除非经常性损益后的加权平均净资产收益率分别为-1.10元/股、-1.24元/股、-6.50%、-7.32%，较去年同期分别下降0.01元/股、0.12元/股、0.60个百分点、1.23个百分点，主要系报告期内公司净利润亏损所致。
5. 2022年半年度公司研发投入占营业收入的比例75.11%,较去年同期提高20.24个百分点，主要系报告期内公司研发费用增长所致。
七、 境内外会计准则下会计数据差异
□适用 √不适用
八、 非经常性损益项目和金额
√适用 □不适用
单位:元 币种:人民币
| 非经常性损益项目 | 金额 | 附注（如适用） |
| 非流动资产处置损益 | | |
| 越权审批，或无正式批准文件，
或偶发性的税收返还、减免 | | |
| 计入当期损益的政府补助，但与 | 188,739.69 | |
| 公司正常经营业务密切相关，符
合国家政策规定、按照一定标准
定额或定量持续享受的政府补助
除外 | | |
| 计入当期损益的对非金融企业收
取的资金占用费 | | |
| 企业取得子公司、联营企业及合
营企业的投资成本小于取得投资
时应享有被投资单位可辨认净资
产公允价值产生的收益 | | |
| 非货币性资产交换损益 | | |
| 委托他人投资或管理资产的损益 | | |
| 因不可抗力因素，如遭受自然灾
害而计提的各项资产减值准备 | | |
| 债务重组损益 | | |
| 企业重组费用，如安置职工的支
出、整合费用等 | | |
| 交易价格显失公允的交易产生的
超过公允价值部分的损益 | | |
| 同一控制下企业合并产生的子公
司期初至合并日的当期净损益 | | |
| 与公司正常经营业务无关的或有
事项产生的损益 | | |
| 除同公司正常经营业务相关的有
效套期保值业务外，持有交易性金
融资产、衍生金融资产、交易性金
融负债、衍生金融负债产生的公允
价值变动损益，以及处置交易性金
融资产、衍生金融资产、交易性金
融负债、衍生金融负债和其他债权
投资取得的投资收益 | 8,281,389.12 | |
| 单独进行减值测试的应收款项、合
同资产减值准备转回 | | |
| 对外委托贷款取得的损益 | | |
| 采用公允价值模式进行后续计量
的投资性房地产公允价值变动产
生的损益 | | |
| 根据税收、会计等法律、法规的
要求对当期损益进行一次性调整
对当期损益的影响 | | |
| 受托经营取得的托管费收入 | | |
| 除上述各项之外的其他营业外收
入和支出 | -1,210,902.48 | |
| 其他符合非经常性损益定义的损
益项目 | | |
| 减：所得税影响额 | -1,088,883.95 | |
| 少数股东权益影响额（税
后） | | |
| 合计 | 6,170,342.38 | |
将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益项目的情况说明
□适用 √不适用
九、 非企业会计准则业绩指标说明
□适用 √不适用
第三节 管理层讨论与分析
一、 报告期内公司所属行业及主营业务情况说明
（一）主营业务情况
自成立以来，博睿数据始终秉承“以数据赋能IT运维”的理念，致力为企业级客户提供应用性能监测服务、销售应用性能监测软件及提供其他相关服务。公司主营业务属于IT运维管理领域的重要分支—应用性能管理行业。
在当前的数字化时代背景下，无论是电商通过网站平台售卖商品，还是航空公司通过APP程序售卖机票，亦或是汽车制造商通过生产管理系统进行生产排期、零部件调配，软件应用在企业的日常运营和业务开展中已无处不在。同时，消费者的行为和习惯已随着信息技术的快速发展而发生了巨大改变，应用已成为企业的品牌，只有最佳的用户体验才能赢得消费者的持续参与和信赖，进而为企业带来收入。因此，企业在运营日益复杂的应用程序和IT基础架构环境的同时，还需要不断开发、部署、更新各类应用程序以持续吸引用户、保障高质量的用户体验、提高员工生产力、提升企业运营效率，可以说数字化转型的成功已成为企业生存竞争的关键。
公司产品可通过监测、分析、优化企业软件应用的性能状况，如APP是否卡顿崩溃、交易的响应时间、服务器负载情况等，帮助企业精准定位影响其软件应用使用性能和用户体验的原因，助力企业加速数字化转型进程。
公司产品可供IT运维人员、开发人员、技术支持人员、前端业务人员等不同角色使用，可贯穿前端网页、APP等应用、中端网络和后端服务器应用，提供端到端的统一监控视角；从界面交互的操作层到业务逻辑层、最后直击代码底层，实现全栈溯源；利用机器学习技术创建动态基线来判定客户的应用和业务交易的健康标准，自动发现业务异常，最终以可视化图表的方式向客户展示。
公司主要产品介绍如下表所示
| 第一级 | 第二
级 | 第
三
级 | 产品名
称 | 监
测
技
术 | 功能介绍 |
| 一体化智能可观
测平台（ONE） | 可观
测平
台 | | ONE | 云
原
生
可
观
测
性 | One 平台致力于完成“一个平台，满足所有
监控需求”的目标，覆盖用户、网络、服
务、进程、代码、容器、主机、数据中心的
全面监控，使得数据间建立关联，可以更全
面、更深入地还原现场，查看业务从客户端
的用户旅程到服务端的调用链的处理过程。
帮助企业建立云原生系统的可观测性。 |
| 统一智能告警平
台（OneAlert） | ITOM | | OneAlert | | OneAlert是一款能够实现多元异构告警事件统一接
入、AI智能降噪收敛、故障统一管理的新一代告警
平台，旨在为企业数字化运营构建智能运维过程
中，降低运维处理告警事件成本、提升工运维作效
率。 |
| 配置管理系统
（CMDB） | ITOM | | CMDB | | 配置管理系统能够灵活存储、管理企业IT架构中
设备的各种配置信息以及配置项之间的关系，是实
现IT环境数字化、自动化、运维化的核心需求，
帮助企业实现容量、资产、业务、成本等管理与配
置。 |
| IT服务管理平
台（ITSM） | ITSM | | ITSM | | 博睿数据ITSM提供了变更管理、事件管理、问题
管理、请求管理、发布管理、自定义工单管理以及
服务配置等核心功能为企业运维支持、变更风险控
制、重大问题处理提供流程和数据支持。 |
（二）所属行业
1、行业的发展阶段、基本特点、主要技术门槛
公司是一家为企业级客户提供应用性能管理服务、销售应用性能监测软件及提供其他相关服务的高新技术企业，主营业务属于IT运维管理领域内的重要分支——应用性能管理行业，是应用性能管理（APM）行业的领先厂商。公司的核心产品为“数字体验监测产品”、“应用发现跟踪和诊断产品”两大类别，并在核心产品线中加载了“智能运维”能力。经过十余年发展，构建起以应用性能管理产品为核心，以大数据分析与智能运维产品为未来发展方向的多维度、一体化产品格局。根据中国证监会发布的《上市公司行业分类指引（2012年修订）》，公司属于软件和信息技术服务业（分类代码：I65）。根据《国民经济行业分类和代码表 （按第1号修改单修订）》（GB/T 4754-2017），公司所处行业为“信息传输、软件和信息技术服务业”门类中的“软件和信息技术服务业”。
（1）行业发展阶段：
随着IT系统复杂度提升、信息量剧增、分布式架构兴起、系统环境高动态化等趋势发展，传统的IT运维监测软件已逐渐落后，以APM产品为代表的可实时进行端到端一体化监控、具备智能分析能力的应用性能管理软件逐渐引领市场需求。在全球应用性能管理领域，北美市场起步较早。市场经过多年的发展，已全面形成有效、完整的市场竞争格局。从2015年开始，云计算、物联网、人工智能、大数据技术的发展带动周边产业迅速崛起，数字经济蓬勃发展。因此中国应用性能管理行业的需求日趋强烈，迎来蓬勃的发展势头。随着传统行业数字化转型进程不断加速，APM相关产品及服务正不断向金融、航空、制造等传统行业延伸。国内数字化业务的蓬勃发展势必将带动应用性能管理行业的增长。根据Gartner机构预测数据，全球APM市场在2020年约为44.8亿美元，到2023年的复合年增长率为11.1%。
（2）行业发展基本特点：
①新基建国家战略的推进将加速各行业的数字化升级进程，带来更广泛的行业机遇 国内企业数字化转型已经不是陌生的话题，然而对于不同行业，其数字化转型的步伐却有着明显差距。新媒体、新零售等行业由于具备先天的互联网属性，信息化水平较高，其数字化转型已经取得了阶段性成果，且APM产品在上述行业中的渗透程度较高。而汽车、电力、医疗、建筑、工业、农牧业等传统领域，由于其自身信息化水平较低，数字化转型进程较为缓慢，但其庞大的业务规模和稳定增长的用户群体都决定了其未来的数字业务规模巨大。伴随着更多传统行业逐步将数字业务置于其经营和战略的核心地位，其对应用性能管理服务的需求也将快速增长。因此，发力向传统行业不断渗透，提供符合相关行业需求的APM产品与解决方案，与各传统行业的标杆客户寻求合作是当下国内应用性能管理行业发展的必然趋势之一。
②信息安全日益受重视，国产化将是必然趋势
在IT技术迅猛发展的时代背景下，信息安全被提升到了国家战略的高度，IT国产化的呼声也越来越高。应用性能管理产品作为数字化时代的信息化基础设施，在我国信息化与数字化过程升级、传统产业改造与现代服务业发展方面发挥出不可替代的基础支撑作用。因此，APM产品国产化趋势明显，特别是在政府、金融、能源等国民经济重点领域。
随着国内网络基础设施的不断完善，以及企业数字化转型进程的持续加速，国内的APM产品也日渐完善与成熟。由于国内厂商更容易理解国内复杂的IT系统环境以及国内企业的实际需求，本土化优势开始显现，国内APM厂商的市场空间进一步释放。目前，国内APM行业尚处于市场竞争格局未完全形成，各类企业迅速抢占市场，整体处于高速繁荣发展的阶段。
③IT架构复杂度提升使得面向业务与用户体验的统一监控平台成为必然 数字化转型将继续推动数字业务增长，数据量规模将大量增加，且 IT环境复杂度日趋提升。
这也导致从分散的监控工具的角度去监控与管理 IT系统不足以保证数字业务成功。企业需要改变其监控方式，建立自上而下从基础架构到应用程序的监控与管理能力，并实现 IT系统与用户体验的关联分析，持续提升数字化业务的可观测性，并基于一体化可观测平台提供的高质量的数据实现运维系统真正的智能化。因此，端到端、全链路、面向业务与用户体验的一体化智能可观测平台是当前 APM产品主要的发展方向。
④IT运维市场融合发展,APM正向邻近领域延伸
虽然今天的“监控类”产品在ITOM领域中还是相对独立的运维工具，但未来其将向邻近领域逐渐延伸，与另外两大类别——自动化工具和IT服务管理工具（ITSM）高度集成、紧密融合，形成“监”、“管”、“控”三位一体的IT运维管理生态体系，全面提升企业IT运维服务架构的自动化程度和灵活性。
首先，监测工具可与自动化工具（如应用程序发布编排工具）相集成，在软件的敏捷开发和运营实践（DevOps）工具链中高度融合，发挥协同作用，对企业软件应用迭代更新的有效性做出自动化智能决策，减少应用更新过程中繁复的手动流程。其次，监测工具可与IT服务管理工具相集成，加载了人工智能技术的监测工具可以帮助IT管理部门精准告警，甚至可在问题蔓延前预警问题，自动管理和调配IT系统资源，实现性能问题的全自动预警、告警、决策与管理。
（3）主要的技术门槛：
①建设功能完备、高性能、一体化的应用性能管理产品，实现端到端全链路的全栈式的监控，研发技术难度高
应用性能管理产品涉及注入事务流程模拟及回放技术、探针大规模自动化部署技术、多语言多系统框架数据采集技术、海量数据实时处理分析技术等多项监测技术难点，在监测数据的采集、处理、存储及分析等环节均有较高的要求。同时应用性能管理产品需要满足高性能、稳定性、可扩展性、跨平台、跨语言的要求，这需要开发商具备优秀的软件架构能力和底层技术研发能力。
②应用性能管理产品需搭载AI能力实现分析与决策智能，人工智能技术门槛较高 AIOps是将AI技术应用到IT运维领域，提升效率和创造现实价值的“工程化”过程。在AI技术应用的过程中将面临多项技术难点。
I 多维度、多数据源、海量数据的存储、分析和处理
算法的应用是以数据为前提的。IT系统除常规的服务器配置、资源占用情况等信息外，业务在运行时会产生大量的日志、异常、告警、状态报告等海量数据。在有数万台服务器的场合下，每天产生的数据量是数亿级的，存储量是TB级别的。而这些海量的数据也往往来自于不同的IT运维工具。如何对海量的数据进行收集、清洗、存储、关联分析等，保证AIOps平台的高质量的数据来源是一个技术难点。
II AI工程化的复杂性
目前，机器学习是AIOps的重要手段，同时还涉及自然语言处理，高级搜索，知识图谱等人工智能技术的应用。如何将这些领先的技术综合应用到IT运维领域达成实际“工程化”的落地效果而非AIOps的简单算法落地，是面临的另外一个挑战。
III 复杂业务模型下的故障定位与修复
当前复杂的业务模型使得定位故障很困难，发现根因问题成本较高。一个问题的追查往往需要多部门合作，开发、运维人员相互配合分析。现在的大规模系统很难找到一个能掌控全局的人。通过AI技术进行故障定位、告警处理、根因分析、故障自愈可以大幅度降低问题的追查难度，提升运维效率。但是并非用了人工智能或机器学习，故障定位的效果就一定很好，这取决于很多因素，首先需要建立复杂业务系统的关联性，为智能化提供自动化、标准化的支持。在此基础上针对智能化的能力比如特征工程、算法模型、参数调整、数据清洗等，也需要不断地调整和学习。
③新兴技术导致IT系统更新频繁，应用复杂度急剧升高带来监控的新技术挑战 当下，企业正逐步加快数字化变革的步伐，导致IT系统更新频繁，应用复杂度急剧升高。微服务、容器化等云原生技术也从之前仅有技术型公司关注的前沿技术逐渐在传统企业中兴起，同时云计算服务则早已经成为企业大规模运营数字业务所必备的技术服务。越来越多的前沿技术正在被广大企业大规模应用，使得 APM 产品对数据采集和分析的难度与成本大幅提高。因此，增强APM产品及服务对于当下新兴技术的适应性，更好的兼容云计算、容器化、微服务等创新技术也是应用性能管理行业发展的重要技术挑战。
2、公司所处的行业地位分析及其变化情况
公司自成立以来始终坚持自主创新，紧跟传统互联网、移动互联网、云计算、大数据、人工智能等行业前沿技术的发展变革，持续不断的推陈出新。公司专注于企业IT运维管理中的应用性能管理领域，以APM相关产品和技术为主体，围绕企业数字化转型过程中对应用性能管理的需求和实践，持续开展创新迭代，已自主研发27项核心技术，形成了覆盖桌面端采集、移动端采集、服务端采集、数据存储和分析、AI智能分析五大领域的技术群，在多项技术领域已取得业内领先地位，并获得10项已授权技术发明专利，91项在申请技术发明专利，91项软件著作权。
公司持续发力机器学习、文本语义分析、图像处理等前沿技术领域，进一步加强产品的融合分析能力，打造应用性能监测产品的智能引擎，已构建了一整套自主可控的知识产权体系和产品体系，具有较强的技术先进性。
（2）拥有深厚产品研发和客户服务经验，产品体系健全而丰富
基于多年的产品建设与技术积累，当前博睿数据产品已经覆盖了包括数字终端体验（DEM）、网络性能（NPMD）、应用性能（APM）、基础设施（ITIM）等全面的监控能力，为企业提供从代码到用户的全面的系统可观测能力。产品体系的完善性领先于行业同类厂商。公司多年持续投入研发，目前已经在智能探针技术、大数据处理和人工智能技术上建立了较强的技术竞争力。
（3）拥有优质的客户群和品牌形象，在国内市场竞争中处于优势地位 公司具备良好的客户资源和品牌形象。随着企业数字化转型进程不断推进，公司通过多产品组合的整体解决方案，帮助客户优化用户体验，提升IT运维水平。目前，公司客户已涵盖互联网、金融、新媒体、云服务、制造业等多个行业，并长期服务各行业的头部客户，合作关系稳固，客户粘性较强，在长期市场竞争中处于优势地位。
二、 核心技术与研发进展
1. 核心技术及其先进性以及报告期内的变化情况
| 技
术 | 技术
名称 | 技术特点 | 技
术 | 技术成果转化
情况 |
| 类
别 | | | 来
源 | |
| 桌
面
端
应
用
性
能
监
测
数
据
采
集
相
关
技
术
群 | 多协议
在线流
媒体播
放及监
测技术 | 是一种基于多种主流播放器内核相关接口
或源代码，实现对诸如基于http、https、
rtsp、rtmp、rtmpe、rtmpt、rtmps、hls
等多种协议的在线音视频流的播放，并在
实际播放过程中通过监听或改造播放器相
关的多种事件接口，实现实时获取各种类
型音视频播放过程中的网络加载性能和用
户观看体验相关数据的技术。 | 自
主
研
发 | Bonree Net |
| | | | | |
| | 多浏览
器内核
网络加
载性能
数据采
集与分
析技术 | 通过对主流浏览器内核海量源代码的深入
研究，同时结合对浏览器内核底层API调
用行为的分析，实现获取和分析桌面端任
意网页加载过程中的全面网络性能数据的
技术。此技术支持HTTP、HTTPS、
WebSocket等协议，能完全支持微软IE、
Google Chrome等浏览器全系列版本内核的
数据采集，能自动兼容多浏览器各版本之
间的较大的底层架构差异。 | 自
主
研
发 | Bonree Net |
| | | | | |
| | 多浏览
器在线
事务流
程脚本
录制及
自动回
放技术 | 是一种实现基于桌面端浏览器的在线事务
用户操作流程自动录制及回放的技术，支
持微软IE、Google Chrome两大主流的浏
览器平台，可实现自动记录用户在网页中
的多种交互操作，包括浏览网址、点击控
件（按钮、图片、文字链接等）、跳转等
待等，以及完整记录用户鼠标及键盘原始
事件，并可自动形成自定义格式脚本。 | 自
主
研
发 | Bonree Net |
| | | | | |
| | 多平台
网络报
文实时
抓取及
智能关
联分析
技术 | 是一种实现在多平台（Windows、Linux、
Android）下系统网络原始报文数据的实时
抓取和智能分析的技术，该技术可抓取主
动式性能监测任务执行过程中的全量网络
报文，并通过相关内置策略实时分析和筛
选出跟目标应用业务相关的报文进行保存
并上传后台，通过多种关联策略实现应用
层监测与网络报文层监测的数据关联，以
帮助用户更加准确的分析和定位网络故障
出现的根因。 | 自
主
研
发 | Bonree Net |
| | | | | |
| | 海量多
频率多
地区运
营商监
测任务
智能分
发调度
技术 | 该技术实现对监测网络中海量监测节点状
态的实时监控和管理，并以此为基础实现
千万量级复杂自定义策略任务的智能分发
和调度，保证数据按客户指定规则稳定回
收。 | 自
主
研
发 | Bonree Net、
BonreeAPP |
| 移
动
端
应 | 无须
Root
权限采
集移动 | 是一种可在未获得Android或IOS系统
Root权限的情况下，也无须安装其他辅助
软件或设备，实现自动采集任意移动端网
页加载过程中的网络性能数据的技术。该 | 自
主
研
发 | Bonree Net、
Bonree APP |
| 用
性
能
监
测
数
据
采
集
相
关
技
术
群 | 端网页
网络加
载性能
数据技
术 | 技术通过在浏览器内核组件运行时拦截其
对操作系统底层接口的调用，并获取相关
上下文参数进行实时分析，实现对目标网
页相关网络性能数据采集，支持
HTTP/HTTPS/WEBSOCKET等多种主流网络协
议。 | | |
| | | | | |
| | 移动平
台运行
时动态
修改宿
主进程
执行代
码技术 | 是一种实现在主流移动平台（Android、
IOS平台）上APP运行时动态修改APP相关
进程执行代码的功能，从而达到将监测功
能代码黑盒注入目标APP进程中，实时感
知其内部代码执行逻辑的技术。此技术的
特点是无须对被监测APP源代码的任何修
改，即可完全以黑盒的方式动态改变目标
APP的代码执行逻辑。 | 自
主
研
发 | Bonree APP |
| | | | | |
| | 移动端
APP在
线事务
流程脚
本录制
及自动
回放技
术 | 是一种实现自动记录用户在远程云端录制
手机上与目标APP的所有交互操作，并形
成自定义动作脚本并在其他真实监测手机
设备中自动适应并精准播放的技术。该技
术可兼容原生、H5及混合型多种APP开发
技术和框架，可对APP中任意UI元素进行
标识和识别，对复杂场景适应强，可达到
高精准度还原用户交互操作流程。 | 自
主
研
发 | Bonree APP |
| | | | | |
| | 主动式
移动端
性能监
测及远
程管理
一体化
集成硬
件设备
设计技
术 | 是一种实现将多种硬件模块（多台真实手
机、微型PC机、工控机、电源、HUB、天
线、风扇、机箱等）进行集成设计，形成
一体化硬件设备的技术。该一体化硬件设
备具有安装部署便捷、网络连接稳定、硬
件故障率低、远程管理方便及节能等多项
优势。 | 自
主
研
发 | Bonree Net、
Bonree APP |
| | | | | |
| | 基于
AOP范
式的移
动端应
用性能
数据采
集技术 | 该技术是基于AOP范式和操作系统Runtime
机制，直接针对关键点函数进行自动拦截
处理，实现仅需手动添加一行启动代码即
可达到对APP全局性能监控的技术。该技
术优势在于实现了移动端APP性能监测数
据采集时的低侵入、零感知模式，且对应
用原先业务处理流程无影响，可精准全面
的采集APP运行时的各项性能指标数据。 | 自
主
研
发 | Bonree SDK |
| | | | | |
| | 移动端
混合式
应用全
量网络
请求详
情数据
采集技
术 | 是一种解决传统技术方案中对移动端混合
式应用内因网络请求框架不一而导致网络
性能数据采集不全问题的技术。该技术可
实现移动端多种原生网络框架
（Httpclient、Httpconnection、
OKHttp、NSURLConnection、NSURLSeesion
等）和多种H5框架（Android Webview、
腾讯X5、Facebook Reactnative、苹果
UIWebview、WKWebview等）下的网络请求 | 自
主
研
发 | Bonree SDK |
| | | 性能数据的全量采集，对Android和iOS
平台绝大多数版本具有良好的兼容性。 | | |
| | | | | |
| | 券商
APP股
票实时
行情及
交易性
能数据
采集及
分析技
术 | 是一种采用主动式性能监测的模式，通过
在国内主要大城市部署大量真实手机监测
设备，并真实运行各大券商股票交易APP，
完全通过黑盒的方式实现采集不同券商APP
股票交易和行情性能数据的实时采集的技
术。该技术结合首创专利的SQE指数和算
法对采集数据进行建模和分析，真实展现
不同券商APP在不同区域的用户体验情
况，帮助券商客户实现自身和竞品情况的
量化感知，辅助进行快速问题定位和针对
性优化。此技术的特点在于无须券商任何
配合，即可实现多家券商APP的用户体验
感知和竞品分析需求，目前已支持券商已
超过70家。 | 自
主
研
发 | Bonree APP |
| 服
务
端
及
We
b
端
应
用
性
能
监
测
数
据
采
集
技
术
群 | 全量业
务请求
端到端
全链路
追踪技
术 | 是一种通过对前端用户发起的所有业务请
求进行全链路自动标记和追踪，采集各个
关键处理节点的相关上下文数据，汇总分
析后形成从用户前端到服务后端的完整的
端到端全链路可视化追踪视图的技术。该
技术的特点在于无须客户对业务系统代码
进行任何改造，即可实现将业务系统中复
杂的请求处理过程以用户请求为中心串联
起来，合并形成一个完整全面的端到端调
用链路追踪视图，实现问题的快速追踪和
定位。 | 自
主
研
发 | Bonree SDK、
Bonree
Browser、
Bonree Server |
| | | | | |
| | 服务端
免配置
集成化
智能客
户端技
术 | 是一种自主研发服务端性能监测相关的实
现探针大规模自动化部署的智能探针技
术，该技术只需宿主机上一次安装集成化
客户端程序（SmartAgent），即可实现自
动对宿主机上所有目标应用进程进行自动
识别和探针部署、配置。整个过程无需用
户任何手工干预，帮助用户自动化完成探
针部署和配置。该技术不仅支持直接运行
于宿主机的应用进程监测，也支持运行于
常见容器技术中的应用进程监测，同时兼
容多种主流操作系统平台及JDK版本。 | 自
主
研
发 | Bonree Server |
| | | | | |
| | 多语言
应用性
能监测
探针技
术 | 该技术是一项复合技术，可以实现对
Java、.Net、.NetCore、php、python、
Node.js等多种开发语言开发的服务端应用
系统程序运行时的监测代码注入，从而实
现对各种语言开发服务端应用系统的被动
式性能监控。该技术的特点在于支持多语
言和多平台，对监测目标应用系统的业务
代码零侵入，可实现如应用性能监测等多
种场景业务需求。 | 自
主
研
发 | Bonree Server |
| | | | | |
| | 服务端
应用性
能数据 | 是一种实现服务端应用运行过程中相关的
多层面性能数据采集与综合分析的技术。
其实现功能包括业务性能分析、数据库性 | 自
主 | Bonree Server |
| | 采集与
综合分
析技术 | 能分析、NoSQL性能分析、远程调用性能分
析、慢请求分析、错误请求分析、异常分
析、全栈快照获取，应用重启和环境变量
改变事件识别、容器运行时线程、内存、
GC信息、CPU占用、磁盘IO、网络IO、磁
盘使用状态、系统TCP连接状态获取等。
该技术的特点在于融合多种监控功能于一
体，使业务信息、组件信息、容器信息、
主机信息、网络信息综合一体形成全景式
性能监测。 | 研
发 | |
| | | | | |
| | 服务端
应用逻
辑拓扑
结构自
动发现
技术 | 是一种通过对服务端应用各模块其Web容
器之间的相互调用关系的实时监控，以及
其对关系型数据库、Nosql数据库、消息队
列等中间件及其他远程调用服务接口的调
用关系的实时采集，综合关联分析，从而
自动感知并构建复杂应用内部各个模块、
组件之间的调用依赖关系，进而形成全局
的可视化拓扑视图的技术。该技术的特点
与优势在于区别传统的拓扑结构监控方
案，无须客户进行任何的事先手动配置，
即可自动发现应用内部逻辑拓扑结构，帮
助客户便捷的梳理复杂应用系统的逻辑架
构，实时可视化的定位复杂拓扑中的故障
节点。 | 自
主
研
发 | Bonree Server |
| | | | | |
| | Web应
用前端
页面性
能数据
采集技
术 | 此技术通过JavaScript脚本实时获取Web
页面加载过程中的所有相关性能和用户体
验数据，包括页面加载耗时、渲染耗时，
首屏时间、白屏时间，资源加载耗时、
AJAX请求及响应耗时，JavaScript脚本异
常及AJAX错误、用户交互页面及操作轨迹
等关键性能数据。该技术适用于所有原生
浏览器及其它内置浏览器，其特点在于可
获取Web前端网页面加载过程的性能和用
户体验双方面数据。 | 自
主
研
发 | Bonree
Browser、
Bonree SDK |
| | | | | |
| | Web应
用前端
页面数
据采集
探针全
自动注
入技术 | 是一种通过服务端应用性能监测探针对前
端用户访问的HTML页面进行监听和拦截，
并自动注入页面性能采集探针后再返回给
最终用户，达到自动加载Web应用前端页
面数据采集探针目的的技术。该技术区别
于传统的手动植入探针的方案，结合服务
端探针相关技术，在服务端处理用户请求
时将探针全自动注入，从而帮助用户低成
本、高效部署全量网页的性能监测。 | 自
主
研
发 | Bonree
Browser、
Bonree Server |
| 数
据
接
入
、
处
理
、
存
储
与
分
析
技
术
群 | 海量数
据大并
发实时
接入与
在线离
线处理
技术 | 是一种可实现日均累计百亿条量级的性能
监测原始数据的实时回收，并对此海量原
始数据实现复杂在线和离线分析计算，如
协议解析、噪点数据过滤、数据格式化、
字段抽取和转换，以及多维度统计分析等
计算的技术。 | 自
主
研
发 | Bonree Net、
Bonree APP、
Bonree SDK、
Bonree
Browser、
Bonree Server |
| | | | | |
| | 海量时
序指标
数据分
布式计
算框架
技术 | 是一种可高度灵活配置数据处理规则的计
算框架技术，计算框架自身与数据的业务
属性解耦。可实现对海量流式时序数据规
则的灵活配置，无须编码即可帮助用户包
括对原始数据的格式化、指标抽取、转换
等自定义规则处理。该技术的特点在于可
将原本复杂的海量时序指标数据处理的大
量编码工作，转变为通过配置脚本的方式
即可实现，大幅降低了用户对于海量监测
类指标数据的处理成本，提升了效率。 | 自
主
研
发 | Bonree Net、
Bonree APP、
Bonree
Server、
Bonree SDK、
Bonree
Browser、
Bonree Ants |
| | | | | |
| | PB级
海量大
数据列
式压缩
存储及
响应式
分析技
术 | 是一种实现对PB级时序数据的集中存储与
响应式分析的技术，其特点在于支持海量
结构化数据的按列编码压缩存储，可避免
常见存储组件存在数据膨胀的问题、支持
灵活的数据预聚合策略、及开放灵活的数
据分析接口等特性，实现多种数据的统一
存储和分析，并且具备分布式、高可用和
可伸缩的特点。 | 自
主
研
发 | Bonree Net、
Bonree APP、
Bonree SDK、
Bonree
Browser、
Bonree
Server、
Bonree Zues |
| | | | | |
| | 海量对
象型文
件数据
分布式
云存储
技术 | 是一种实现对海量对象型文件数据的分布
式云存储和索引服务的技术。该技术的特
点在于将用户海量对象型文件数据在写入
时自动合并或切分成指定大小的数据块进
行块式存储，并支持多数据副本和自动平
衡等机制保证数据的安全，支持多租户、
无元数据存储节点、快速索引和读取等特
性，性能明显优于行业内其他同类技术方
案。 | 自
主
研
发 | Bonree Net、
Bonree APP、
Bonree SDK、
Bonree
Server、
Bonree
Browser |
| | | | | |
| | 海量数
据响应
式分析
查询脚
本语言
技术 | 是一种自定义和实现的，灵活、简洁且功
能强大数据响应式分析规则描述脚本语言
技术。该自定义脚本语言语法规则兼容标
准SQL语法，并进行了扩充，支持多种管
道命令、多条件组合过滤、多种常用及高
阶分析函数等重要特性。该技术的特点是
可将用户复杂的大数据响应式在线分析逻
辑规则通过易编写、易理解的脚本语言进
行描述，并交于后台进行词法分析、语法
分析后，自动编排查询执行计划，并最终
调用数据存储引擎执行实现。整个过程用
户只需要编写并调试分析脚本，而不需要
任何传统的编写复杂程序代码，降低数据
分析的难度和成本。 | 自
主
研
发 | Bonree SDK、
Bonree
Server、
Bonree
Browser |
| AI
智 | 基于无
监督机 | 是一种基于机器学习技术，使用各KPI指
标项真实历史数据作为预测模型训练样 | 自
主 | Bonree SDK、 |
| 能
分
析
算
法
技
术
群 | 器学习
算法的
时序指
标数据
动态基
线智能
预测技
术 | 本，实现对各监测KPI指标项时间趋势进
行智能预测的技术。该技术根据被预测指
标的过往一段时间的历史数据，通过机器
学习算法提取指标的有效特征，选择相应
的算法进行模型训练，训练完成后将模型
部署到在线生产环境对该指标未来一段时
间的波动趋势进行预测，提前预判关键指
标项的趋势变化，可以预先对系统硬件及
网络资源进行调度和准备，防止服务异常
或中断。 | 研
发 | Bonree
Browser
Bonree Server |
| | | | | |
| | 服务端
应用程
序代码
执行性
能在线
智能分
析技术 | 是一种基于机器学习和代码执行堆栈跟踪
相关技术，形成对某业务请求处理过程代
码执行性能的精确在线分析结果的技术，
包括业务代码执行丰富堆栈分析、系统调
用耗时分析、方法CPU耗时分析、线程死
锁分析等。该技术的特点在于无需客户对
系统代码进行事先的改造，通过自动学习
分析最影响性能的方法集合，可在生产环
境下即时分析系统级和用户级代码的性能
瓶颈所在。 | 自
主
研
发 | Bonree Server |
| | | | | |
| | 基于无
监督机
器学习
算法的
时序指
标数据
异常事
件检测
技术 | 是一种基于机器学习的技术，该技术通过
对各KPI指标项的历史数据进行机器学
习，从而识别和提取该指标项的波动趋势
特征，并再结合如极值检测等相关算法对
该指标新产生的数据样本进行实时异常检
测，如发现新数据样本出现某种不符合预
期的异常波动趋势则自动生成事件并告知
用户。该技术的特点在于完全无需人工事
先对海量的各种类型KPI指标项进行异常
定义或配置，即可自动对监控系统内的各
KPI指标进行全自动的异常感知。 | 自
主
研
发 | Bonree Server |
国家科学技术奖项获奖情况
□适用 √不适用
国家级专精特新“小巨人”企业、制造业“单项冠军”认定情况
□适用 √不适用
2. 报告期内获得的研发成果
截至2022年6月30日，公司已获发明专利10项，软件著作权91项。经过多年技术积累，形成的核心技术包括“移动端APP在线事务流程脚本录制及自动回放技术”、“服务端应用逻辑拓扑结构自动发现技术”、“海量数据大并发实时接入与在线离线处理技术”等共计27项，在数据的采集、处理、存储、分析等环节均具有较强的技术优势，为公司的持续创新能力奠定了良好基础。
报告期内获得的知识产权列表
| | 本期新增 | | 累计数量 | |
| | 申请数（个） | 获得数（个） | 申请数（个） | 获得数（个） |
| 发明专利 | 11 | 2 | 91 | 10 |
| 实用新型专利 | 0 | 0 | 0 | 0 |
| 外观设计专利 | 0 | 0 | 0 | 0 |
| 软件著作权 | 14 | 14 | 91 | 91 |
| 其他 | 0 | 0 | 0 | 0 |
| 合计 | 25 | 16 | 182 | 101 |
3. 研发投入情况表
单位：元
