polish the content

i18n/zh/docusaurus-plugin-content-docs/current/user-guide/concepts/why-greptimedb.md

@@ -5,18 +5,18 @@ description: 介绍 GreptimeDB 的特点、设计原则和优势，包括统一
 
 # 为什么选择 GreptimeDB
 
-GreptimeDB 是一个云原生、分布式和开源的时序数据库，旨在处理、存储和分析大量的指标、日志和事件数据（计划中还包括 Traces）。
-它在处理涉及时序和实时分析的混合处理工作负载方面非常高效，同时为用户提供了极佳的体验。
+GreptimeDB 是一个云原生、分布式和开源的时序数据库，旨在处理、存储和分析大量的指标、日志和事件数据（计划中还包括 Trace）。
+它在处理涉及时序和实时分析的混合处理工作负载方面非常高效，同时为开发者提供了极佳的体验。
 
-可以阅读我们的博客文章《[This Time, for Real](https://greptime.com/blogs/2022-11-15-this-time-for-real)》和《[Unifying Logs and Metrics](https://greptime.com/blogs/2024-06-25-logs-and-metrics)》了解开发 GreptimeDB 的动机。
+可以阅读博客文章《[This Time, for Real](https://greptime.com/blogs/2022-11-15-this-time-for-real)》和《[Unifying Logs and Metrics](https://greptime.com/blogs/2024-06-25-logs-and-metrics)》了解我们开发 GreptimeDB 的动机。
 在这些文章中，我们深入探讨了 Greptime 高性能背后的原因以及一些突出的功能。
 
 ## 统一的指标、日志和事件
 
 通过[时序表](./data-model.md)的模型设计、对 SQL 的原生支持以及存算分离架构带来的混合工作负载，
 GreptimeDB 可以同时处理指标、日志和事件，
 增强不同时间序列数据之间的关联分析，
-并简化用户的架构、部署和 API。
+并简化架构、部署成本和 API。
 
 阅读 [SQL 示例](/user-guide/overview.md#sql-query-example) 了解详细信息。
 
@@ -25,24 +25,23 @@ GreptimeDB 可以同时处理指标、日志和事件，
 从第一天起，GreptimeDB 就按照云原生数据库的原则设计，这意味着它能够充分利用云的优势。其一些好处包括：
 
 1. 高可用的按需计算资源，目标是实现 99.999% 的可用性和正常运行时间，即每年大约只有五分钟十五秒的停机时间。
-2. 弹性和可扩展性，允许用户根据使用情况轻松扩展或缩减、添加或移动资源。
-3. 高可靠性和容错性，系统的目标是实现 99.9999% 的可用性率，以防止数据丢失。
+2. 弹性和可扩展性，允许开发者根据使用情况轻松扩展或缩减、添加或移动资源。
+3. 高可靠性和容错性以防止数据丢失。系统的目标是实现 99.9999% 的可用性率。
 
-这些功能共同确保 GreptimeDB 始终提供最佳的功能。
+这些功能共同确保 GreptimeDB 始终提供最佳的性能。
 下面是关于如何实现这些功能的额外技术解释。
 
 ### 可弹性扩展的资源隔离
 
 ![存储/计算分离，计算/计算分离](/storage-compute-disaggregation-compute-compute-separation.png)
 
 存储和计算资源是分离的，允许每个资源独立扩展、消耗和定价。
-这不仅大大提高了计算资源的利用率，还允许“按需付费”定价模式，避免了资源未充分利用的浪费。
+这不仅大大提高了计算资源的利用率，还适配了“按需付费”的定价模式，避免了资源未充分利用的浪费。
 
-除了存储和计算隔离，不同的计算资源也被隔离，以避免因数据写入、实时查询以及数据压缩或降采样等任务产生的资源竞争，
+除了存储和计算隔离，不同的计算资源也被隔离，避免了因数据写入、实时查询以及数据压缩或降采样等任务产生的资源竞争，
 从而实现高效率的大规模实时分析。
 
-数据可以在多个应用程序之间共享，
-而无需争用同一资源池，
+数据可以在多个应用程序之间共享而无需争用同一资源池，
 这不仅大大提高了效率，
 还可以根据需求提供无限的可扩展性。
 
@@ -56,9 +55,9 @@ GreptimeDB 可以同时处理指标、日志和事件，
 灵活的架构允许 GreptimeDB 满足从边缘到云的各种场景中的部署和使用需求，同时仍然使用同一套 API 和控制面板。
 通过良好抽象的分层和封装隔离，GreptimeDB 的部署形式支持从嵌入式、独立、传统集群到云原生的各种环境。
 
-## 高效的成本效益
+## 优异的成本效益
 
-GreptimeDB 利用流行的对象存储解决方案，如 AWS S3 和 Azure Blob Storage，来存储大量的时序数据，允许用户只为使用的存储资源付费。
+GreptimeDB 利用流行的对象存储解决方案来存储大量的时序数据，例如 AWS S3 和 Azure Blob Storage，允许开发者只为使用的存储资源付费。
 
 GreptimeDB 使用自适应压缩算法，根据数据的类型和基数来减少数据量，以满足时间和空间复杂性约束。
 例如，对于字符串数据类型，当块的基数超过某个阈值时，GreptimeDB 使用字典压缩；
@@ -69,34 +68,33 @@ GreptimeDB 使用自适应压缩算法，根据数据的类型和基数来减少
 
 在性能优化方面，GreptimeDB 利用 LSM 树、数据分片和基于 Quorum 的 WAL 设计等不同技术来处理大量的时序数据写入时的工作负载。
 
-强大且快速的查询引擎由矢量化执行和分布式并行处理提供支持，并结合索引功能。
-GreptimeDB 构建了智能索引和大规模并行处理（MPP）以提升修剪和过滤。
-我们使用独立的索引文件来记录统计信息，就像 Apache Parquet 的行组元数据一样。
-内置的指标也用于记录不同查询的工作负载。
-结合基于成本的优化（CBO）和用户定义的提示，我们能够启发式地构建智能索引。
+GreptimeDB 的查询引擎强大且快速，得益于矢量化执行和分布式并行处理，并结合了索引功能。
+为了提升数据修剪和过滤效率，GreptimeDB 构建了智能索引和大规模并行处理（MPP）架构。
+该架构使用独立的索引文件记录统计信息，类似于 Apache Parquet 的行组元数据，同时还使用了内置指标记录不同查询的工作负载。
+通过结合基于成本的优化（CBO）和开发者定义的提示，GreptimeDB 能够启发式地构建智能索引，从而进一步提升查询性能。
 
 ## 易于使用
 
 ### 易于部署和维护
 
 为了简化部署和维护过程，GreptimeDB 提供了 [K8s operator](https://github.com/GreptimeTeam/greptimedb-operator)、[命令行工具](https://github.com/GreptimeTeam/gtctl)、嵌入式[仪表盘](https://github.com/GreptimeTeam/dashboard)和其他有用的工具，
-用户可以轻松配置和管理他们的数据库。
-请访问我们官网的 [GreptimeCloud](https://greptime.com/product/cloud) 了解更多信息。
+使得开发者可以轻松配置和管理数据库。
+请访问我们官网的 [GreptimeCloud](https://greptime.com) 了解更多信息。
 
 ### 易于集成
 
-支持多种数据库连接协议，包括 MySQL、PostgreSQL、InfluxDB、OpenTSDB、Prometheus Remote Storage 和高性能 gRPC。
+GreptimeDB 支持多种数据库连接协议，包括 MySQL、PostgreSQL、InfluxDB、OpenTSDB、Prometheus Remote Storage 和高性能 gRPC。
 此外，还提供了多种编程语言的 SDK，如 Java、Go、Erlang 等。
-我们正在不断与生态系统中的其他开源软件进行集成和连接，以增强开发者体验。
-在接下来的段落中，我们将详细介绍三种流行的语言：PromQL、SQL 和 Python。
+我们还在不断与生态系统中的其他开源软件进行集成和连接，以增强开发者体验。
+接下来将详细介绍三种流行的语言：PromQL、SQL 和 Python。
 
 PromQL 是一种流行的查询语言，
-允许用户选择和聚合由 Prometheus 提供的实时时序数据。
+允许开发者选择和聚合由 Prometheus 提供的实时时序数据。
 它比 SQL 更简单，适用于使用 Grafana 进行可视化和创建告警规则。
-GreptimeDB 原生支持 PromQL，并通过将其转换为查询计划来有效执行，查询引擎会对其进行优化和执行。
+GreptimeDB 原生支持 PromQL，查询引擎会将其转换为查询计划，对其进行优化和执行。
 
 SQL 是一种高效的工具，
-用于分析跨越较长时间跨度或涉及多个表（如表连接）的数据。
+用于分析跨越较长时间跨度或涉及多个表（如 join）的数据。
 此外，它在数据库管理方面也非常方便。
 
 Python 在数据科学家和 AI 专家中非常流行。
@@ -105,11 +103,11 @@ GreptimeDB 允许直接在数据库中运行 Python 脚本。
 
 ### 简单的数据模型与自动创建表
 
-结合指标（Measurement/Tag/Field/Timestamp）模型和关系数据模型（Table），
-GreptimeDB 提供了一种称为时序表的新数据模型（见下图），以表格形式呈现数据，由行和列组成，指标的标签和字段映射到列，并强制时间索引约束表示时间戳。
+结合指标（Tag/Field/Timestamp）模型和关系数据模型（Table），
+GreptimeDB 提供了一种称为时序表的新数据模型（见下图），以表格形式呈现数据，由行和列组成，指标的 Tag 和 Value 映射到列，并强制时间索引约束表示时间戳。
 
 ![时序表](/time-series-table.png)
 
-然而，我们对模式的定义不是强制性的，而是更倾向于 MongoDB 等数据库的无模式方法。
-表将在数据写入时动态自动创建，并自动添加新出现的列（标签和字段）。
+然而，我们对 schema 的定义不是强制性的，而是更倾向于 MongoDB 等数据库的无 schema 方法。
+表将在数据写入时动态自动创建，并自动添加新出现的列（Tag 和 Field）。