docs: read through and fix minor problems 02

d5340008 · arielyangpan · f478cb4f · d5340008 · d5340008
展开全部隐藏空白更改
内联并排

Showing with 98 addition and 97 deletion

docs/en/02-intro/index.md docs/en/02-intro/index.md +47 -46

docs/zh/02-intro.md docs/zh/02-intro.md +51 -51

未找到文件。
--- a/docs/en/02-intro/index.md
+++ b/docs/en/02-intro/index.md
--- a/docs/zh/02-intro.md
+++ b/docs/zh/02-intro.md
@@ -4,53 +4,53 @@ description: 简要介绍 TDengine 的主要功能
 toc_max_heading_level: 2
 ---

-TDengine 是一款开源、高性能、云原生的[时序数据库](https://tdengine.com/tsdb/)，且针对物联网、车联网以及工业互联网进行了优化。TDengine 的代码，包括其集群功能，都在 GNU AGPL v3.0 下开源。除核心的时序数据库功能外，TDengine 还提供[缓存](../develop/cache/)、[数据订阅](../develop/tmq)、[流式计算](../develop/stream)等其它功能以降低系统复杂度及研发和运维成本。
+TDengine 是一款开源、高性能、云原生的[时序数据库](https://tdengine.com/tsdb/)，且针对物联网、车联网、工业互联网、金融、IT 运维等场景进行了优化。TDengine 的代码，包括集群功能，都在 GNU AGPL v3.0 下开源。除核心的时序数据库功能外，TDengine 还提供[缓存](../develop/cache/)、[数据订阅](../develop/tmq)、[流式计算](../develop/stream)等其它功能以降低系统复杂度及研发和运维成本。

-本章节介绍TDengine的主要功能、竞争优势、适用场景、与其他数据库的对比测试等等，让大家对TDengine有个整体的了解。
+本章节介绍 TDengine 的主要功能、竞争优势、适用场景、与其他数据库的对比测试等等，让大家对 TDengine 有个整体的了解。

 ## 主要功能

-TDengine的主要功能如下：
+TDengine 的主要功能如下：

 1. 写入数据，支持
-    - [SQL 写入](../develop/insert-data/sql-writing)
-    - [Schemaless 写入](../reference/schemaless/)，支持多种标准写入协议
-        - [InfluxDB LINE 协议](../develop/insert-data/influxdb-line)
-        - [OpenTSDB Telnet 协议](../develop/insert-data/opentsdb-telnet)
-        - [OpenTSDB JSON 协议](../develop/insert-data/opentsdb-json)
-    - 与多种第三方工具的无缝集成，它们都可以仅通过配置而无需任何代码即可将数据写入 TDengine
-        - [Telegraf](../third-party/telegraf)
-        - [Prometheus](../third-party/prometheus)
-        - [StatsD](../third-party/statsd)
-        - [collectd](../third-party/collectd)
-        - [icinga2](../third-party/icinga2)
-        - [TCollector](../third-party/tcollector)
-        - [EMQ](../third-party/emq-broker)
-        - [HiveMQ](../third-party/hive-mq-broker) ；
+   - [SQL 写入](../develop/insert-data/sql-writing)
+   - [无模式（Schemaless）写入](../reference/schemaless/)，支持多种标准写入协议
+     - [InfluxDB Line 协议](../develop/insert-data/influxdb-line)
+     - [OpenTSDB Telnet 协议](../develop/insert-data/opentsdb-telnet)
+     - [OpenTSDB JSON 协议](../develop/insert-data/opentsdb-json)
+   - 与多种第三方工具的无缝集成，它们都可以仅通过配置而无需任何代码即可将数据写入 TDengine
+     - [Telegraf](../third-party/telegraf)
+     - [Prometheus](../third-party/prometheus)
+     - [StatsD](../third-party/statsd)
+     - [collectd](../third-party/collectd)
+     - [Icinga2](../third-party/icinga2)
+     - [TCollector](../third-party/tcollector)
+     - [EMQX](../third-party/emq-broker)
+     - [HiveMQ](../third-party/hive-mq-broker) ；
 2. 查询数据，支持
-    - [标准SQL](../taos-sql)，含嵌套查询
-    - [时序数据特色函数](../taos-sql/function/#time-series-extensions)
-    - [时序顺序特色查询](../taos-sql/distinguished)，例如降采样、插值、累加和、时间加权平均、状态窗口、会话窗口等
-    - [用户自定义函数](../taos-sql/udf)
+   - [标准 SQL](../taos-sql)，含嵌套查询
+   - [时序数据特色函数](../taos-sql/function/#time-series-extensions)
+   - [时序数据特色查询](../taos-sql/distinguished)，例如降采样、插值、累加和、时间加权平均、状态窗口、会话窗口等
+   - [用户自定义函数（UDF）](../taos-sql/udf)
 3. [缓存](../develop/cache)，将每张表的最后一条记录缓存起来，这样无需 Redis 就能对时序数据进行高效处理
-4. [流式计算](../develop/stream)(Stream Processing)，TDengine 不仅支持连续查询，还支持事件驱动的流式计算，这样在处理时序数据时就无需 Flink 或 Spark 这样流计算组件
-5. [数据订阅](../develop/tmq)，应用程序可以订阅一张表或一组表的数据，API 与 Kafka 相同，而且可以指定过滤条件
+4. [流式计算（Stream Processing）](../develop/stream)，TDengine 不仅支持连续查询，还支持事件驱动的流式计算，这样在处理时序数据时就无需 Flink 或 Spark 这样流式计算组件
+5. [数据订阅](../develop/tmq)，应用程序可以订阅一张表或一组表的数据，提供与 Kafka 相同的 API，而且可以指定过滤条件
 6. 可视化
-    - 支持与 [Grafana](../third-party/grafana/) 的无缝集成
-    - 支持与 Google Data Studio 的无缝集成
+   - 支持与 [Grafana](../third-party/grafana/) 的无缝集成
+   - 支持与 Google Data Studio 的无缝集成
 7. 集群
-    - 集群部署(../deployment/)，可以通过增加节点进行水平扩展以提升处理能力
-    - 可以通过 [Kubernets 部署 TDengine](../deployment/k8s/)
-    - 通过多副本提供高可用能力
+   - [集群部署](../deployment/)，可以通过增加节点进行水平扩展以提升处理能力
+   - 可以通过 [Kubernetes 部署 TDengine](../deployment/k8s/)
+   - 通过多副本提供高可用能力
 8. 管理
-    - [监控](../operation/monitor)运行中的 TDengine 实例
-    - 多种[数据导入](../operation/import)方式
-    - 多种[数据导出](../operation/export)方式
+   - [监控](../operation/monitor)运行中的 TDengine 实例
+   - 多种[数据导入](../operation/import)方式
+   - 多种[数据导出](../operation/export)方式
 9. 工具
-    - 提供交互式[命令行程序](../reference/taos-shell)，便于管理集群，检查系统状态，做即席查询
-    - 提供压力测试工具[taosBenchmark](../reference/taosbenchmark)，用于测试 TDengine 的性能
+   - 提供[交互式命令行程序（CLI）](../reference/taos-shell)，便于管理集群，检查系统状态，做即席查询
+   - 提供压力测试工具[taosBenchmark](../reference/taosbenchmark)，用于测试 TDengine 的性能
 10. 编程
-    - 提供各种语言的[连接器](../connector): 如 [C/C++](../connector/cpp), [Java](../connector/java), [Go](../connector/go), [Node.JS](../connector/node), [Rust](../connector/rust), [Python](../connector/python), [C#](../connector/csharp) 等
+    - 提供各种语言的[连接器（Connector）](../connector): 如 [C/C++](../connector/cpp)、[Java](../connector/java)、[Go](../connector/go)、[Node.js](../connector/node)、[Rust](../connector/rust)、[Python](../connector/python)、[C#](../connector/csharp) 等
    - 支持 [REST 接口](../connector/rest-api/)

 更多细节功能，请阅读整个文档。
@@ -63,23 +63,23 @@ TDengine的主要功能如下：

 - **[极简时序数据平台](https://www.taosdata.com/tdengine/simplified_solution_for_time-series_data_processing)**：TDengine 内建缓存、流式计算和数据订阅等功能，为时序数据的处理提供了极简的解决方案，从而大幅降低了业务系统的设计复杂度和运维成本。

- **[云原生](https://www.taosdata.com/tdengine/cloud_native_time-series_database)**：通过原生的分布式设计、数据分片和分区、存算分离、RAFT 协议、Kubernets 部署和完整的可观测性，TDengine 是一款云原生时序数据库并且能够部署在公有云、私有云和混合云上。
+- **[云原生](https://www.taosdata.com/tdengine/cloud_native_time-series_database)**：通过原生的分布式设计、数据分片和分区、存算分离、RAFT 协议、Kubernetes 部署和完整的可观测性，TDengine 是一款云原生时序数据库并且能够部署在公有云、私有云和混合云上。

- **[简单易用](https://www.taosdata.com/tdengine/ease_of_use)**：对系统管理员来说，TDengine 大幅降低了管理和维护的代价。对开发者来说， TDengine 提供了简单的接口、极简的解决方案和与第三方工具的无缝集成。对数据分析专家来说，TDengine 提供了便捷的数据访问。
+- **[简单易用](https://www.taosdata.com/tdengine/ease_of_use)**：对系统管理员来说，TDengine 大幅降低了管理和维护的代价。对开发者来说， TDengine 提供了简单的接口、极简的解决方案和与第三方工具的无缝集成。对数据分析专家来说，TDengine 提供了便捷的数据访问能力。

 - **[分析能力](https://www.taosdata.com/tdengine/easy_data_analytics)**：通过超级表、存储计算分离、分区分片、预计算和其它技术，TDengine 能够高效地浏览、格式化和访问数据。

- **[核心开源](https://www.taosdata.com/tdengine/open_source_time-series_database)**：TDengine 的核心代码包括集群功能全部在开源协议下公开。全球超过 140k 个运行实例，GitHub Star 19k，且拥有一个活跃的开发者社区。 
+- **[核心开源](https://www.taosdata.com/tdengine/open_source_time-series_database)**：TDengine 的核心代码包括集群功能全部在开源协议下公开。全球超过 140k 个运行实例，GitHub Star 19k，且拥有一个活跃的开发者社区。

 采用 TDengine，可将典型的物联网、车联网、工业互联网大数据平台的总拥有成本大幅降低。表现在几个方面：

-1. 由于其超强性能，它能将系统需要的计算资源和存储资源大幅降低
+1. 由于其超强性能，它能将系统所需的计算资源和存储资源大幅降低
 2. 因为支持 SQL，能与众多第三方软件无缝集成，学习迁移成本大幅下降
-3. 因为是一极简的时序数据平台，系统复杂度、研发和运营成本大幅降低
+3. 因为是一款极简的时序数据平台，系统复杂度、研发和运营成本大幅降低

 ## 技术生态

-在整个时序大数据平台中，TDengine 在其中扮演的角色如下：
+在整个时序大数据平台中，TDengine 扮演的角色如下：

 <figure>

@@ -88,11 +88,11 @@ TDengine的主要功能如下：
 </figure>
 <center>图 1. TDengine技术生态图</center>

-上图中，左侧是各种数据采集或消息队列，包括 OPC-UA、MQTT、Telegraf、也包括 Kafka, 他们的数据将被源源不断的写入到 TDengine。右侧则是可视化、BI 工具、组态软件、应用程序。下侧则是 TDengine 自身提供的命令行程序 (CLI) 以及可视化管理管理。
+上图中，左侧是各种数据采集或消息队列，包括 OPC-UA、MQTT、Telegraf、也包括 Kafka，他们的数据将被源源不断的写入到 TDengine。右侧则是可视化、BI 工具、组态软件、应用程序。下侧则是 TDengine 自身提供的命令行程序（CLI）以及可视化管理工具。

 ## 典型适用场景

-作为一个高性能、分布式、支持 SQL 的时序数据库 （Database)，TDengine 的典型适用场景包括但不限于 IoT、工业互联网、车联网、IT 运维、能源、金融证券等领域。需要指出的是，TDengine 是针对时序数据场景设计的专用数据库和专用大数据处理工具，因充分利用了时序大数据的特点，它无法用来处理网络爬虫、微博、微信、电商、ERP、CRM 等通用型数据。本文对适用场景做更多详细的分析。
+作为一个高性能、分布式、支持 SQL 的时序数据库（Database)，TDengine 的典型适用场景包括但不限于 IoT、工业互联网、车联网、IT 运维、能源、金融证券等领域。需要指出的是，TDengine 是针对时序数据场景设计的专用数据库和专用大数据处理工具，因其充分利用了时序大数据的特点，它无法用来处理网络爬虫、微博、微信、电商、ERP、CRM 等通用型数据。下面本文将对适用场景做更多详细的分析。

 ### 数据源特点和需求

@@ -114,18 +114,18 @@ TDengine的主要功能如下：

 ### 系统功能需求

-| 系统功能需求               | 不适用 | 可能适用 | 非常适用 | 简单说明                                                                                                              |
-| -------------------------- | ------ | -------- | -------- | --------------------------------------------------------------------------------------------------------------------- |
-| 要求完整的内置数据处理算法 |        | √        |          | TDengine 的实现了通用的数据处理算法，但是还没有做到妥善处理各行各业的所有要求，因此特殊类型的处理还需要应用层面处理。 |
-| 需要大量的交叉查询处理     |        | √        |          | 这种类型的处理更多应该用关系型数据系统处理，或者应该考虑 TDengine 和关系型数据系统配合实现系统功能。                  |
+| 系统功能需求               | 不适用 | 可能适用 | 非常适用 | 简单说明                                                                                                                  |
+| -------------------------- | ------ | -------- | -------- | ------------------------------------------------------------------------------------------------------------------------- |
+| 要求完整的内置数据处理算法 |        | √        |          | TDengine 实现了通用的数据处理算法，但是还没有做到妥善处理各行各业的所有需求，因此特殊类型的处理需求还需要在应用层面解决。 |
+| 需要大量的交叉查询处理     |        | √        |          | 这种类型的处理更多应该用关系型数据库处理，或者应该考虑 TDengine 和关系型数据库配合实现系统功能。                          |

 ### 系统性能需求

-| 系统性能需求           | 不适用 | 可能适用 | 非常适用 | 简单说明                                                                                               |
-| ---------------------- | ------ | -------- | -------- | ------------------------------------------------------------------------------------------------------ |
-| 要求较大的总体处理能力 |        |          | √        | TDengine 的集群功能可以轻松地让多服务器配合达成处理能力的提升。                                        |
-| 要求高速处理数据       |        |          | √        | TDengine 的专门为 IoT 优化的存储和数据处理的设计，一般可以让系统得到超出同类产品多倍数的处理速度提升。 |
-| 要求快速处理小粒度数据 |        |          | √        | 这方面 TDengine 性能可以完全对标关系型和 NoSQL 型数据处理系统。                                        |
+| 系统性能需求           | 不适用 | 可能适用 | 非常适用 | 简单说明                                                                                           |
+| ---------------------- | ------ | -------- | -------- | -------------------------------------------------------------------------------------------------- |
+| 要求较大的总体处理能力 |        |          | √        | TDengine 的集群功能可以轻松地让多服务器配合达成处理能力的提升。                                    |
+| 要求高速处理数据       |        |          | √        | TDengine 专门为 IoT 优化的存储和数据处理设计，一般可以让系统得到超出同类产品多倍数的处理速度提升。 |
+| 要求快速处理小粒度数据 |        |          | √        | 这方面 TDengine 性能可以完全对标关系型和 NoSQL 型数据处理系统。                                    |

 ### 系统维护需求