AI Translate 00-contributor to Simplified-Chinese

.translation-init

@@ -1 +1 @@
-Translation initialization: 2025-08-11T07:40:38.341999
+Translation initialization: 2025-08-11T07:47:48.618469

docs/cn/developer/20-community/00-contributor/04-how-to-profiling.md

@@ -1,44 +1,54 @@
-## CPU profiling
+---
+title: 如何对 Databend 进行性能分析
+---
+
+## CPU 性能分析
 
 ```
 go tool pprof -http="0.0.0.0:8081" http://localhost:8080/debug/pprof/profile?seconds=30
 ```
 
-打开 `<your-ip>:8081` 并在站点标题的 VIEW 菜单中选择 `Flame Graph`:
-<img src="https://user-images.githubusercontent.com/172204/208336392-5b64bb9b-cce8-4562-9e05-c3d538e9d8a6.png"/>
+打开 `<your-ip>:8081`，并从网站头部的 VIEW 菜单中选择 `Flame Graph`：
+<img alt="CPU profiling" src="https://user-images.githubusercontent.com/172204/208336392-5b64bb9b-cce8-4562-9e05-c3d538e9d8a6.png"/>
+
+## 查询级别的 CPU 性能分析
 
-## Memory profiling
+`EXPLAIN PERF <statement>` 也可用于 CPU 性能分析，它专注于特定查询，并从其他节点收集 CPU 分析数据，以帮助分析查询性能。更多细节请查阅 [EXPLAIN PERF](/sql/sql-commands/explain-cmds/explain-perf)。
 
-`databend-query` 和 `databend-meta` 可以选择使用 `jemalloc` 构建，
-它提供了各种内存 profiling 功能。
+## 内存性能分析
 
-目前，它在 Mac 上不起作用，无论 intel 还是 Arm。
+`databend-query` 和 `databend-meta` 可以选择性地使用 `jemalloc` 进行构建，`jemalloc` 提供了多种内存性能分析功能。
 
-### 启用内存 profiling
+目前，它在 Mac（无论是 Intel 还是 Arm 芯片）上无法工作。
 
-1. 构建启用 `memory-profiling` 功能的 `databend-query`:
-  ```
-  cargo build --bin databend-query --release --features memory-profiling
-  ```
+### 启用内存性能分析
 
-2. 启动 `databend`，使用环境变量 `MALLOC_CONF` 启用内存 profiling:
-
-  ```
-  MALLOC_CONF=prof:true,lg_prof_interval:30 ./target/release/databend-query
-  ```
+1. 启用 `memory-profiling` 功能来构建 `databend-query`：
 
-### 生成堆 profile
+```
+cargo build --bin databend-query --release --features memory-profiling
+```
 
-在 `pdf` 中生成一个调用图，说明此间隔期间的内存分配:
+2. 启动 `databend`，使用环境变量 `MALLOC_CONF` 来启用内存性能分析：
+
+```
+MALLOC_CONF=prof:true,lg_prof_interval:30 ./target/release/databend-query
+```
+
+### 生成堆分析报告
+
+生成一个 `pdf` 格式的调用图，展示此时间间隔内的内存分配情况：
 
 ```
 jeprof --pdf ./target/release/databend-query heap.prof > heap.pdf
 ```
 
-<img src="https://user-images.githubusercontent.com/172204/204963954-f6eacf10-d8bd-4469-9c8d-7d30955f1a78.png" width="600"/>
+<img alt="Generate heap profile" src="https://user-images.githubusercontent.com/172204/204963954-f6eacf10-d8bd-4469-9c8d-7d30955f1a78.png" width="600"/>
+
+### 快速 jeprof
+
+对于大型堆分析，jeprof 非常慢，瓶颈在于 `addr2line`。如果你想从 **30 分钟** 加速到 **3 秒**，请使用：
 
-### Fast jeprof
-jeprof 对于大型堆分析来说非常慢，瓶颈在于 `addr2line`，如果你想把速度从 **30 分钟提高到 3 秒**，请使用:
 ```
 git clone https://github.com/gimli-rs/addr2line
 cd addr2line

docs/cn/guides/10-deploy/01-deploy/00-understanding-deployment-modes.md

@@ -1,63 +1,63 @@
 ---
-title: 理解 Databend 的部署方式
-sidebar_label: 部署方式
+title: 理解 Databend 部署
+sidebar_label: 理解部署
 description: 描述 Databend 的部署模式
 ---
 
 import LanguageDocs from '@site/src/components/LanguageDocs';
 
 ## Databend 节点类型
 
-在 Databend 部署中，使用了两种类型的节点：Meta 节点和 Query 节点。
+在 Databend 部署中，会使用两种类型的节点：Meta 节点和 Query 节点。
 
-Meta 节点负责存储和管理各种类型的元数据。这包括与数据库、表和集群相关的信息。此外，Meta 节点还处理用户信息，例如授权和身份验证。它作为管理和组织元数据以及用户相关数据的中心仓库。
+Meta 节点负责存储和管理各种类型的元数据（Metadata），包括与数据库、表和集群相关的信息。此外，Meta 节点还处理用户信息，例如授权和认证。它作为管理和组织元数据及用户相关数据的中央存储库。
 
-另一方面，Query 节点专门用于处理查询。它负责执行用户查询，从底层存储中检索数据，并将结果返回给用户。Query 节点处理 Databend 的计算方面，确保高效准确的查询处理。
+另一方面，Query 节点专用于处理查询。它负责执行用户查询，从底层存储中检索数据，并将结果返回给用户。Query 节点处理 Databend 的计算方面，确保高效、准确地处理查询。
 
-请注意，当我们提到“节点”时，它指的是托管和运行 Databend 系统特定组件的单个服务器。每个节点，例如 Meta 节点或 Query 节点，通常在处理数据和执行查询方面发挥着不同的作用。
+请注意，当我们提到“节点”时，它指的是托管和运行 Databend 系统特定组件的独立服务器。每个节点，如 Meta 节点或 Query 节点，通常在处理数据和执行查询方面有不同的用途。
 
 ## 部署模式
 
-Databend 部署提供两种模式：standalone 和 cluster，每种模式都有不同的应用场景和节点配置。
+Databend 部署提供两种模式：单机（Standalone）和集群（Cluster），每种模式都有不同的应用场景和节点配置。
 
-### Standalone 部署
+### 单机部署
 
-在 standalone 模式下，标准配置由单个 Meta 节点和单个 Query 节点组成。这种最小设置适用于测试目的或小规模部署。但是，重要的是要注意，由于其有限的可扩展性和缺少高可用性功能，不建议在生产环境中使用 standalone 模式。
+在单机模式下，标准配置包括一个 Meta 节点和一个 Query 节点。这种最小化设置适用于测试目的或小规模部署。但需要注意的是，由于其可扩展性有限且缺乏高可用性功能，不建议在生产环境中使用单机模式。
 
-<img src="/img/deploy/deploy-standalone-arch.png"/>
+<img alt="单机部署" src="/img/deploy/deploy-standalone-arch.png"/>
 
-在 Standalone Databend 部署中，可以将 Meta 节点和 Query 节点都托管在单个服务器上。文档中的以下主题可帮助您设置和部署 standalone Databend：
+在 Databend 单机部署中，可以将 Meta 节点和 Query 节点都托管在同一台服务器上。文档中的以下主题可帮助您设置和部署单机版 Databend：
 
-- [Deploying a Standalone Databend](01-non-production/01-deploying-databend.md)
-- [Local and Docker Deployments](01-non-production/00-deploying-local.md)
+- [部署单机版 Databend](01-non-production/01-deploying-databend.md)
+- [本地和 Docker 部署](01-non-production/00-deploying-local.md)
 
-### Cluster 部署
+### 集群部署
 
-Cluster 模式专为更大规模的部署而设计，并提供增强的功能。在 Databend 集群中，建议至少有三个 Meta 节点，形成一个 Meta 集群，以确保高可用性和容错能力。对于生产目的，Databend 建议使用由三到五个 Meta 节点组成的 Meta 集群。
+集群模式专为大规模部署设计，并提供增强功能。在 Databend 集群中，建议至少有三个 Meta 节点，组成一个 Meta 集群以确保高可用性和容错性。对于生产环境，Databend 建议使用由三到五个 Meta 节点组成的 Meta 集群。
 
-在 Databend 集群中，可以部署多个 Query 节点，并且可以通过将特定的 Query 节点分组在一起（使用 Cluster ID）来创建更强大的 Query 集群，以满足不同的查询性能需求。一个 Databend 集群有能力容纳多个 Query 集群。默认情况下，Databend 会最大限度地利用计算并发性，允许单个 SQL 查询利用单个 Query 节点中的所有可用 CPU 核心。但是，当使用 Query 集群时，Databend 会利用并发调度并在整个集群中执行计算。这种方法最大限度地提高了系统性能并提供了增强的计算能力。
+在 Databend 集群中，可以部署多个 Query 节点，并且可以通过将特定的 Query 节点组合在一起（使用集群 ID）来创建更强大的 Query 集群，以满足不同的查询性能要求。一个 Databend 集群可以容纳多个 Query 集群。默认情况下，Databend 会最大限度地利用计算并发性，允许单个 SQL 查询使用单个 Query 节点内的所有可用 CPU 核心。但是，当使用 Query 集群时，Databend 会利用并发调度，在整个集群中执行计算。这种方法可以最大限度地提高系统性能并提供增强的计算能力。
 
-<img src="/img/deploy/deploy-cluster-arch.png"/>
+<img alt="集群部署" src="/img/deploy/deploy-cluster-arch.png"/>
 
-#### Query 集群大小
+#### Query 集群规模
 
-对于 Query 集群，Databend 没有特定的最佳实践或推荐的节点数量。Query 集群中的节点数量可以根据您的具体需求和工作负载而变化。
+对于 Query 集群，Databend 没有特定的最佳实践或推荐的节点数量。Query 集群中的节点数量可以根据您的具体要求和工作负载而变化。
 
 Query 集群的主要目标是确保查询处理速度满足您的需求并提供最佳性能。可以相应地调整集群中的节点数量，以实现所需的查询性能和吞吐量。
 
-#### 租户管理
+#### 租户（Tenant）管理
 
-租户是指利用系统提供的服务或资源的实体或组织。在 Databend 中，租户与唯一的租户 ID 相关联，该 ID 用作在 Databend 中区分和管理其数据、用户和资源的标识符。
+租户（Tenant）是指使用系统提供的服务或资源的实体或组织。在 Databend 中，一个租户（Tenant）关联一个唯一的租户 ID（Tenant ID），该 ID 作为标识符，用于在 Databend 中区分和管理其数据、用户和资源。
 
-对于 Query 集群，当 Query 节点收到 SQL 请求时，计算工作负载会在共享相同租户 ID 和集群 ID 的 Query 节点之间有效地分配。请注意，具有相同租户 ID 但不同集群 ID 的 Query 节点提供了一种工作负载隔离机制，同时仍然共享相同的数据和用户列表。
+在 Query 集群中，当一个 Query 节点收到 SQL 请求时，计算工作负载会有效地分配给共享相同租户 ID 和集群 ID 的 Query 节点。请注意，具有相同租户 ID 但不同集群 ID 的 Query 节点提供了一种工作负载隔离机制，同时仍然共享相同的数据和用户列表。
 
 ![Alt text](/img/deploy/tenantid.PNG)
 
 ## 部署环境
 
 本主题提供有关 Databend 节点的推荐硬件规格和支持的对象存储平台的信息。
 
-### 硬件建议
+### 硬件推荐
 
 <LanguageDocs
 
@@ -77,16 +77,16 @@ The table below outlines the recommended hardware specifications for servers run
 
 '/>
 
-| Hardware Specification | Standalone Mode   | Cluster Mode (Meta Node) | Cluster Mode (Query Node) |
+| 硬件规格 | 单机模式 | 集群模式（Meta 节点） | 集群模式（Query 节点） |
 | ---------------------- | ----------------- | ------------------------ | ------------------------- |
-| CPU                    | 16-cores or above | 4-cores or above         | 16-cores or above         |
-| Memory                 | 32 GB or above    | 16 GB or above           | 32 GB or above            |
-| Data Disk (SSD)        | 200-600 GB        | 100-200 GB               | 100-200 GB                |
-| Network Interface Card | 10 Gbps or above  | 10 Gbps or above         | 10 Gbps or above          |
+| CPU | 16 核及以上 | 4 核及以上 | 16 核及以上 |
+| 内存 | 32 GB 及以上 | 16 GB 及以上 | 32 GB 及以上 |
+| 数据盘（SSD） | 200-600 GB | 100-200 GB | 100-200 GB |
+| 网卡 | 10 Gbps 及以上 | 10 Gbps 及以上 | 10 Gbps 及以上 |
 
 ### 支持的对象存储
 
-Databend 支持私有化部署和云对象存储解决方案。在部署 Databend 之前，请准备好您自己的对象存储。以下是支持的对象存储解决方案的列表：
+Databend 支持自托管和云对象存储解决方案。在部署 Databend 之前，请准备好您自己的对象存储。以下是支持的对象存储解决方案列表：
 
 - Amazon S3
 - Azure Blob Storage
@@ -106,4 +106,4 @@ cn=
 - 青云 QingStor
 - 华为 OBS
 
-'/>
+'/>