fix typos

i18n/zh/docusaurus-plugin-content-docs/current/contributor-guide/frontend/distributed-querying.md

@@ -8,7 +8,7 @@ description: 介绍 GreptimeDB 中的分布式查询方法，包括查询的拆
 
 当查询到达 `frontend` 时，它首先被解析为 SQL 抽象语法树（AST）。我们遍历 AST，并从中生成逻辑计划。顾名思义，逻辑计划只是如何“逻辑地”执行查询的“提示”，它不能被直接运行，因此我们进一步从中生成可执行的物理计划。物理计划是一种类似树形的数据结构，每个节点实际上表示查询的执行方法。一旦我们从上到下运行物理计划树，结果数据将从叶子到根流动，被合并或计算。最终，我们在根节点的输出处得到了查询的结果。
 
-到目前为止，这只是一个典型的 “volcano” 查询执行模型，你可以在几乎每个 SQL 数据库中看到这种模型。那么“分布式”是在哪里发生的呢？这全部发生在一个名为 “TableScan��� 的物理计划节点中。TableScan 是物理计划树中的一个叶子节点，它负责扫描表的数据（就像它的名称所暗示的）。当 `frontend` 即将扫描表时，它首先需要根据每个 `region` 的数据范围将表扫描拆分为较小的扫描。
+到目前为止，这只是一个典型的 “volcano” 查询执行模型，你可以在几乎每个 SQL 数据库中看到这种模型。那么“分布式”是在哪里发生的呢？这全部发生在一个名为 “TableScan” 的物理计划节点中。TableScan 是物理计划树中的一个叶子节点，它负责扫描表的数据（就像它的名称所暗示的）。当 `frontend` 即将扫描表时，它首先需要根据每个 `region` 的数据范围将表扫描拆分为较小的扫描。
 
 [1]: ./table-sharding.md
 

i18n/zh/docusaurus-plugin-content-docs/current/contributor-guide/metasrv/overview.md

@@ -39,7 +39,7 @@ description: 介绍 Metasrv 的功能、架构和与前端的交互方式。
 1. 前端发送 `CREATE TABLE` 请求到 Metasrv。
 2. 根据请求中包含的分区规则规划 Region 数量。
 3. 检查数据节点可用资源的全局视图（通过心跳收集）并为每个 Region 分配一个节点。
-4. 前端创建表并在���功创建后将 `Schema` 存储到 Metasrv。
+4. 前端创建表并在成功创建后将 `Schema` 存储到 Metasrv。
 
 ### `Insert`
 

i18n/zh/docusaurus-plugin-content-docs/current/contributor-guide/metasrv/selector.md

@@ -10,7 +10,7 @@ description: 介绍 Metasrv 中的 Selector，包括其类型和配置方法。
 
 [0]: https://github.com/GreptimeTeam/greptimedb/blob/main/src/meta-srv/src/selector.rs
 
-在 `Metasrv` 中存在一个特定的场景。当 `Frontend` 向 `Metasrv` 发送建表请求时，`Metasrv` 会创建一个���由表（表的创建细节不在这里赘述）。在创建路由表时，`Metasrv` 需要选择适当的 `Datanode`s，这时候就需要用到 `Selector`。
+在 `Metasrv` 中存在一个特定的场景。当 `Frontend` 向 `Metasrv` 发送建表请求时，`Metasrv` 会创建一个路由表（表的创建细节不在这里赘述）。在创建路由表时，`Metasrv` 需要选择适当的 `Datanode`s，这时候就需要用到 `Selector`。
 
 ## Selector 类型
 

i18n/zh/docusaurus-plugin-content-docs/current/enterprise/deployments/audit-logging.md

@@ -69,7 +69,7 @@ commands = "all"
 # 所有可配置的对象类型是 "Database"、"Table"、"View"、"Flow"、"Index" 和 "Misc"。
 # 一个特殊的 "all"（默认值）表示所有对象类型。
 object_types = "all"
-# 保留的审计日志文件的��大数量。默认为 30。
+# 保留的审计日志文件的最大数量。默认为 30。
 # 审计日志每天生成一个新的。
 max_log_files = 30
 ```

i18n/zh/docusaurus-plugin-content-docs/current/enterprise/overview.md

@@ -12,7 +12,7 @@ Enterprise 版还提供更多增强功能，帮助企业优化数据效率并显
 
 - **将数据库部署在你的云中 - Bring Your Own Cloud（BYOC**: 利用你自己的云基础设施来托管 GreptimeDB，提供广泛的定制和灵活性以满足你的业务需求。此服务包括对你的云资源的全面管理和强大的安全措施，以保护你的基础设施。
 - **全托管的独立云**: Greptime 团队提供完全托管的专用云环境，确保最佳性能、增强的安全性和卓越的可靠性，以满足你的企业需求。
-- **[边云一体解决方案](https://greptime.com/product/carcloud)**: 用于管理从边缘设备到云的时��数据，实现整个基础设施的实时分析和洞察的全面解决方案。
+- **[边云一体解决方案](https://greptime.com/product/carcloud)**: 用于管理从边缘设备到云的时序数据，实现整个基础设施的实时分析和洞察的全面解决方案。
 - 针对物联网 (IoT)、可观测等行业的特定解决方案。
 
 本章节概述了 GreptimeDB Enterprise 中可用的高级功能。有关获取试用或购买，请[联系我们](https://greptime.cn/contactus)。

i18n/zh/docusaurus-plugin-content-docs/current/greptimecloud/getting-started/python.md

@@ -12,7 +12,7 @@ import Includecreateservice from './create-service.md'
 ## 写入数据
 
 在 Python 3.10+ 中使用下面的命令收集系统指标数据，例如 CPU 和内存使用情况，并将其发送到 GreptimeCloud。一旦成功发送，这些指标就可以在 GreptimeCloud 控制台中查看。
-该 Demo 基于 OTLP/http 采集并发���数据，源代码位于 [GitHub](https://github.com/GreptimeCloudStarters/quick-start-python).
+该 Demo 基于 OTLP/http 采集并发送数据，源代码位于 [GitHub](https://github.com/GreptimeCloudStarters/quick-start-python).
 
 :::tip
 [pipx](https://pypa.github.io/pipx/) 是一个帮助你安装和运行用 Python 编写的应用程序的工具。

i18n/zh/docusaurus-plugin-content-docs/current/greptimecloud/integrations/grafana.md

@@ -23,7 +23,7 @@ https://<host>
 接下来做如下配置：
 
 - Database Name：填写数据库名称 `<dbname>`，留空则使用默认数据库 `public`
-- 在 Auth 部分中单击 basic auth，并在 Basic Auth Details 中填写 GreptimeDB 的用户���和密码。未设置可留空：
+- 在 Auth 部分中单击 basic auth，并在 Basic Auth Details 中填写 GreptimeDB 的用户名和密码。未设置可留空：
 
   - User: `<username>`
   - Password: `<password>`

i18n/zh/docusaurus-plugin-content-docs/current/greptimecloud/integrations/otlp.md

@@ -15,7 +15,7 @@ description: 介绍如何通过 OpenTelemetry Protocol (OTLP) 将指标数据发
   * `X-Greptime-DB-Name`: `<dbname>`
   * `Authorization`: `Basic` 认证，是 `<username>:<password>` 的 Base64 编码字符串。更多信息，请参阅 HTTP API 中的[认证](https://docs.greptime.cn/nightly/user-guide/protocols/http#鉴权)。
 
-由于请求���使用二进制 protobuf 编码的 payload，因此需要使用支持 `HTTP/protobuf` 的包。例如，在 Node.js 中，可以使用 [`exporter-trace-otlp-proto`](https://www.npmjs.com/package/@opentelemetry/exporter-trace-otlp-proto)；在 Go 中，可以使用 [`go.opentelemetry.io/otel/exporters/otlp/otlptrace/otlptracehttp`](https://pkg.go.dev/go.opentelemetry.io/otel/exporters/otlp/otlptrace/otlptracehttp)；在 Java 中，可以使用 [`io.opentelemetry:opentelemetry-exporter-otlp`](https://mvnrepository.com/artifact/io.opentelemetry/opentelemetry-exporter-otlp)；在 Python 中，可以使用 [`opentelemetry-exporter-otlp-proto-http`](https://pypi.org/project/opentelemetry-exporter-otlp-proto-http/)。
+由于请求中使用二进制 protobuf 编码的 payload，因此需要使用支持 `HTTP/protobuf` 的包。例如，在 Node.js 中，可以使用 [`exporter-trace-otlp-proto`](https://www.npmjs.com/package/@opentelemetry/exporter-trace-otlp-proto)；在 Go 中，可以使用 [`go.opentelemetry.io/otel/exporters/otlp/otlptrace/otlptracehttp`](https://pkg.go.dev/go.opentelemetry.io/otel/exporters/otlp/otlptrace/otlptracehttp)；在 Java 中，可以使用 [`io.opentelemetry:opentelemetry-exporter-otlp`](https://mvnrepository.com/artifact/io.opentelemetry/opentelemetry-exporter-otlp)；在 Python 中，可以使用 [`opentelemetry-exporter-otlp-proto-http`](https://pypi.org/project/opentelemetry-exporter-otlp-proto-http/)。
 
 :::tip 注意
 包名可能会被 OpenTelemetry 修改，因此建议你参考 OpenTelemetry 官方文档以获取最新信息。

i18n/zh/docusaurus-plugin-content-docs/current/greptimecloud/migrate-to-greptimecloud/migrate-from-influxdb.md

@@ -206,7 +206,7 @@ $writeApi->write($point);
 <div id="visualize-data">
 
 GreptimeCloud 控制台提供了名为 Workbench 的数据可视化工作台。
-��开[控制台](https://greptime.cloud), 在 `Manage Your Data` 下选择 `Web Dashboard`，
+打开[控制台](https://greptime.cloud), 在 `Manage Your Data` 下选择 `Web Dashboard`，
 然后创建一个新的 Workbench 文件，
 即可按需求创建图表。
 

i18n/zh/docusaurus-plugin-content-docs/current/greptimecloud/usage-&-billing/dedicated.md

@@ -32,5 +32,5 @@ import Includesharedstoragecapacity from './shared-storage-capacity.md'
 
 ### 网络流量
 
-网络流量的费用将包含在你的月度账单���。
+网络流量的费用将包含在你的月度账单中。
 流量价格由云服务器提供商（如 AWS）决定，Greptime 不会对流量收取额外费用。

i18n/zh/docusaurus-plugin-content-docs/current/greptimecloud/usage-&-billing/request-capacity-unit.md

@@ -15,7 +15,7 @@ description: 详细介绍 GreptimeCloud 的请求容量单位算法，包括 WCU
 WCU 的容量可能会在未来发生变化。
 :::
 
-每个请求的大小根���以下步骤计算：
+每个请求的大小根据以下步骤计算：
 
 1. 获取表结构中每个列的数据类型的大小。你可以在 [数据类型](/reference/sql/data-types.md) 文档中找到有关每个数据类型大小的详细信息。
 2. 计算请求中所有列的大小之和。如果请求中不存在某列，则其大小取决于该列的默认值。如果默认值为 null，则大小为 0；否则，它是该列数据类型的大小。

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/create.md

@@ -367,7 +367,7 @@ CREATE EXTERNAL TABLE [IF NOT EXISTS] [db.]table_name
 | `ENDPOINT`                  | The bucket endpoint                                             | 可选     |
 | `ACCESS_KEY_ID`             | 用于连接 AWS S3 兼容对象存储的访问密钥 ID                       | 可选     |
 | `SECRET_ACCESS_KEY`         | 用于连接 AWS S3 兼容对象存储的秘密访问密钥                      | 可选     |
-| `ENABLE_VIRTUAL HOST_STYLE` | 如果你想要使用 virtual hosting 来定位 bucket，将其设置为 `true` | ���选     |
+| `ENABLE_VIRTUAL HOST_STYLE` | 如果你想要使用 virtual hosting 来定位 bucket，将其设置为 `true` | 可选     |
 | `SESSION_TOKEN`             | 用于连接 AWS S3 服务的临时凭证                                  | 可选     |
 
 ### 时间索引列

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/data-types.md

@@ -82,7 +82,7 @@ QUANTITY UNIT [QUANTITY UNIT...]
 ```
 
 * `QUANTITY`：是一个数字（可能有符号），
-* `UNIT`：时间单位，可以是 `microsecond`（微秒）、`millisecond`（毫秒）、`second`（秒）、`minute`（分钟）、`hour`（小时）、`day`（天）、`week`（周）、`month`（月）、`year`（年）、`decade`（十年）、`century`（世纪）或这些���位的缩写或复数形式；
+* `UNIT`：时间单位，可以是 `microsecond`（微秒）、`millisecond`（毫秒）、`second`（秒）、`minute`（分钟）、`hour`（小时）、`day`（天）、`week`（周）、`month`（月）、`year`（年）、`decade`（十年）、`century`（世纪）或这些单位的缩写或复数形式；
 
 不同的时间单位将会被计算合并，每个单位的符号决定它是增加还是减少总间隔。例如，“1 年 -2 个月”导致净间隔为 10 个月。
 遗憾的是，GreptimeDB 暂时还不支持以 [ISO 8601 时间间隔](https://en.wikipedia.org/wiki/ISO_8601#Time_intervals)格式编写间隔，例如 `P3Y3M700DT133H17M36.789S` 等。但它支持以这种格式输出。

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/functions/geo.md

@@ -144,7 +144,7 @@ h3_cell_to_children_size(h3_latlng_to_cell(37.76938, -122.3889, 8), 10);
 
 ### `h3_cell_to_child_pos`
 
-根据给定分辨率，返回单元在��父单元的位置。位置是单元在所有子单元中的索引。
+根据给定分辨率，返回单元在其父单元的位置。位置是单元在所有子单元中的索引。
 
 ```sql
 h3_cell_to_child_pos(h3_latlng_to_cell(37.76938, -122.3889, 8), 6)
@@ -194,7 +194,7 @@ h3_grid_disk(h3_latlng_to_cell(37.76938, -122.3889, 8), 3);
 
 返回给定单元格范围内所有距离为 *k* 的单元格。
 
-请注意，此函数��回一个 UInt64 数组，并且仅适用于我们的 HTTP 查询 API 和 Postgres 通道。
+请注意，此函数返回一个 UInt64 数组，并且仅适用于我们的 HTTP 查询 API 和 Postgres 通道。
 
 ```sql
 h3_grid_disk_distance(h3_latlng_to_cell(37.76938, -122.3889, 8), 3);
@@ -325,7 +325,7 @@ SELECT json_encode_path(lat, lon, ts);
 
 ### `st_contains`
 
-测��两个空间对象是否为包含关系。
+测试两个空间对象是否为包含关系。
 
 参数：WKT 编码的地理对象。
 

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/functions/json.md

@@ -43,7 +43,7 @@ SELECT json_to_string(parse_json('{"a": 1, "b": 2}'));
 | `.<name>`                | 选择对象中匹配名称的元素                                          | `$.event`         |
 | `:<name>`                | `.<name>` 的别名                                              | `$:event`          |
 | `["<name>"]`             | `.<name>` 的别名                                              | `$["event"]`       |
-| `[*]`                    | 选择数组中的所有��素                                             | `$[*]`             |
+| `[*]`                    | 选择数组中的所有元素                                             | `$[*]`             |
 | `[<pos>, ..]`            | 选择数组中基于0的第 `n` 个元素                                    | `$[1, 2]`         |
 | `[last - <pos>, ..]`     | 选择数组中最后一个元素之前的第 `n` 个元素                           | `$[0, last - 1]`   |
 | `[<pos1> to <pos2>, ..]` | 选择数组中某个范围内的所有元素                                     | `$[1 to last - 2]` |

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/information-schema/columns.md

@@ -133,7 +133,7 @@ character_maximum_length: NULL
 3 rows in set (0.03 sec)
 ```
 
-`COLUMNS` 表中列的描述如��：
+`COLUMNS` 表中列的描述如下：
 
 - `table_catalog`：列所属的目录的名称。在 OSS 项目中该值始终为 `greptime`。
 - `table_schema`：包含列的表所属的数据库的名称。

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/insert.md

@@ -19,7 +19,7 @@ VALUES (value1, value2, value3, ...);
 
 在上述语法中，`table_name` 是要插入数据的表名，`column1`、`column2`、`column3` 等是表中的列名。
 如果你想要插入数据到指定的列中，可以在 `INSERT INTO` 语句中指定列名。
-如果你不指定列名，数据将会插入到表中的所有列���。
+如果你不指定列名，数据将会插入到表中的所有列中。
 
 `VALUES` 关键字后面跟着的是一个值列表，这个值列表的顺序必须和 `INSERT INTO` 语句中的列顺序一致。
 

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/range.md

@@ -221,7 +221,7 @@ ALIGN '5s';
 `TO` 选项、`RANGE` 选项和 `ALIGN INTERVAL` 共同决定了范围查询的时间窗口。
 请参考[时间范围窗口](/user-guide/query-data/sql.md#时间范围窗口)。
 
-`TO` 选项的默认值为当前查询客户端的时区。如果想要设置时区，请参考 [MySQL 客户端](/user-guide/protocols/mysql.md#时区) 或 [PostgreSQL 客户端](/user-guide/protocols/postgresql.md#时区)文档���的时区设置。其他可用的 `TO` 选项有：
+`TO` 选项的默认值为当前查询客户端的时区。如果想要设置时区，请参考 [MySQL 客户端](/user-guide/protocols/mysql.md#时区) 或 [PostgreSQL 客户端](/user-guide/protocols/postgresql.md#时区)文档中的时区设置。其他可用的 `TO` 选项有：
 
 |     TO      |                                描述                                |
 | :---------: | :----------------------------------------------------------------: |

i18n/zh/docusaurus-plugin-content-docs/current/reference/sql/show.md

@@ -170,7 +170,7 @@ SHOW FULL TABLES WHERE Table_type='BASE TABLE';
 SHOW CREATE TABLE [table]
 ```
 
-例如���
+例如：
 
 ```sql
 SHOW CREATE TABLE system_metrics;

i18n/zh/docusaurus-plugin-content-docs/current/user-guide/administration/disaster-recovery/back-up-&-restore-data.md

@@ -29,7 +29,7 @@ greptime cli export [OPTIONS]
 | --auth-basic | 否 | - | 使用 `<username>:<password>` 格式 |
 | --timeout | 否 | 0 | 对 DB 进行一次调用的超时时间，默认为 0 代表永不超时 （例如 `30s`, `10min 20s`） |
 
-### ���出目标
+### 导出目标
 - `schema`: 仅导出表结构（`SHOW CREATE TABLE`）
 - `data`: 仅导出表数据（`COPY DATABASE TO`）
 - `all`: 导出表结构和数据（默认）

i18n/zh/docusaurus-plugin-content-docs/current/user-guide/administration/manage-data/compaction.md

@@ -136,7 +136,7 @@ ADMIN COMPACT_TABLE(
 1 row in set (0.01 sec)
 ```
 
-执行此语句时，GreptimeDB 会将每个 SST 文件按 1 小时（3600 秒）的时间跨度拆分成多个分块，并将这些分块合并为一个输出文件，确保没有重叠���文件。
+执行此语句时，GreptimeDB 会将每个 SST 文件按 1 小时（3600 秒）的时间跨度拆分成多个分块，并将这些分块合并为一个输出文件，确保没有重叠的文件。
 
 下图展示了一次 SWCS 压缩的过程：
 

i18n/zh/docusaurus-plugin-content-docs/current/user-guide/administration/upgrade.md

@@ -170,7 +170,7 @@ psql -h 127.0.0.1 -p 4003 -d public -f /tmp/greptimedb-export/greptime/public/co
 
 ## 推荐流程
 
-该部分给出了一个推��的整体流程，以便平滑升级 GreptimeDB。如果您的环境可以在升级过程中离线，可以跳过此部分。
+该部分给出了一个推荐的整体流程，以便平滑升级 GreptimeDB。如果您的环境可以在升级过程中离线，可以跳过此部分。
 
 1. 创建一个全新的 v0.9.x 集群 
 2. 使用 v0.9.x 版本的 cli 工具导出并导入 `create-table`

i18n/zh/docusaurus-plugin-content-docs/current/user-guide/concepts/data-model.md

@@ -79,6 +79,6 @@ GreptimeDB 基于表进行设计，原因如下：
 - Schema 是描述数据特征的元数据，对于用户来说更方便管理和维护。通过引入 Schema 版本的概念，我们可以更好地管理数据兼容性。
 - Schema 通过其类型、长度等信息带来了巨大的优化存储和计算的好处，我们可以进行有针对性的优化。
 - 当我们有了表格 Schema 后，自然而然地引入了 SQL，并用它来处理各种表之间的关联分析和聚合查询，为用户抵消了学习和使用成本。
-- 比起 OpenTSDB 和 Prometheus 采用的单值模型，GreptimeDB 使用多值模型使其中一行数据可以具有多列数据。多值模型面向数据源建模，一个 metric 可以有用 field 表示的值。多值模型的优势在于它可以一次性向数据库写入或读取多个值，从而减���传输流量并简化查询。相比之下，单值模型则需要将数据拆分成多个记录。阅读[博客](https://greptime.com/blogs/2024-05-09-prometheus)以获取更多详情。
+- 比起 OpenTSDB 和 Prometheus 采用的单值模型，GreptimeDB 使用多值模型使其中一行数据可以具有多列数据。多值模型面向数据源建模，一个 metric 可以有用 field 表示的值。多值模型的优势在于它可以一次性向数据库写入或读取多个值，从而减少传输流量并简化查询。相比之下，单值模型则需要将数据拆分成多个记录。阅读[博客](https://greptime.com/blogs/2024-05-09-prometheus)以获取更多详情。
 
 GreptimeDB 使用 SQL 管理表 Schema。有关更多信息，请参见[表管理](/user-guide/administration/manage-data/basic-table-operations.md)。但是，我们对 Schema 的定义并不是强制性的，而是倾向于 **Schemaless** 的方式，类似于 MongoDB。有关更多详细信息，请参见[自动生成表结构](../ingest-data/overview.md#自动生成表结构)。

i18n/zh/docusaurus-plugin-content-docs/current/user-guide/concepts/features-that-you-concern.md

@@ -16,7 +16,7 @@ description: 介绍 GreptimeDB 的关键特性，并解答用户关心的常见
 
 ## GreptimeDB 支持删除数据吗？
 
-支持，请参考[删���数据](/user-guide/ingest-data/overview.md#删除数据)获取更多信息。
+支持，请参考[删除数据](/user-guide/ingest-data/overview.md#删除数据)获取更多信息。
 
 ## 我可以为不同的表或指标设置 TTL 或保留策略吗？
 
@@ -51,7 +51,7 @@ GreptimeDB 还提供一个完全托管的云服务 [GreptimeCloud](https://grept
 
 ## GreptimeDB 对比其他存储或时序数据库的性能如何？
 
-请阅读��下性能报告：
+请阅读以下性能报告：
 
 * [GreptimeDB vs. InfluxDB](https://greptime.cn/blogs/2024-08-08-report)
 * [GreptimeDB vs. Grafana Mimir](https://greptime.cn/blogs/2024-08-01-grafana)

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

@@ -8,7 +8,7 @@ description: 介绍 GreptimeDB 的核心概念，包括数据库、时序表、
 
 ## 数据库
 
-类似于关系型数据库中的 _数据库_，数据库是数据容器的最小单元，数据可以在���个单元中被管理和计算。
+类似于关系型数据库中的 _数据库_，数据库是数据容器的最小单元，数据可以在这个单元中被管理和计算。
 你可以利用数据库来实现数据隔离，形成类似租户的效果。
 
 ## Time-Series Table