AI Translate 01-dee to Simplified-Chinese

.translation-init

@@ -1 +1 @@
-Translation initialization: 2025-08-24T10:54:05.598944
+Translation initialization: 2025-08-24T13:02:31.727965

docs/cn/guides/20-cloud/20-manage/01-monitor.md

@@ -2,7 +2,7 @@
 title: "监控使用情况"
 ---
 
-Databend Cloud 提供了监控功能，帮助您全面了解您和您的组织成员在平台上的使用情况。要访问 **Monitor** 页面，请单击主页侧边栏菜单中的 **Monitor**。该页面包括以下选项卡：
+Databend Cloud 提供监控功能，帮助你全面了解你和组织成员在平台上的使用情况。要访问 **Monitor** 页面，请在主页侧边栏菜单中点击 **Monitor**。该页面包含以下选项卡：
 
 - [Metrics](#metrics)
 - [SQL History](#sql-history)
@@ -11,7 +11,7 @@ Databend Cloud 提供了监控功能，帮助您全面了解您和您的组织
 
 ## Metrics
 
-**Metrics** 选项卡显示图表，以可视化方式展示以下指标的使用统计信息，涵盖过去一小时、一天或一周的数据：
+**Metrics** 选项卡以图表形式直观展示以下指标的使用统计，数据范围涵盖过去一小时、一天或一周：
 
 - Storage Size
 - SQL Query Count
@@ -22,17 +22,17 @@ Databend Cloud 提供了监控功能，帮助您全面了解您和您的组织
 
 ## SQL History
 
-**SQL History** 选项卡显示组织内所有用户已执行的 SQL 语句列表。通过单击列表顶部的 **Filter**，您可以按多个维度过滤记录。
+**SQL History** 选项卡列出组织内所有用户已执行的 SQL 语句。点击列表顶部的 **Filter**，可按多个维度筛选记录。
 
-单击 **SQL History** 页面上的记录会显示有关 Databend Cloud 如何执行 SQL 语句的详细信息，从而可以访问以下选项卡：
+在 **SQL History** 页面点击某条记录，可查看 Databend Cloud 执行该 SQL 语句的详细信息，并访问以下选项卡：
 
-- **Query Details**：包括 Query State（成功或失败）、Rows Scanned、Warehouse、Bytes Scanned、Start Time、End Time 和 Handler Type。
-- **Query Profile**：说明 SQL 语句的执行方式。有关更多信息，请参见 [Query Profile](/guides/query/query-profile)。
+- **Query Details**：包含 Query State（成功或失败）、Rows Scanned、Warehouse、Bytes Scanned、Start Time、End Time 和 Handler Type。
+- **Query Profile**：展示 SQL 语句的执行过程。
 
 ## Task History
 
-**Task History** 选项卡提供了组织内所有已执行任务的完整日志，使用户可以查看任务设置并监控其状态。
+**Task History** 选项卡提供组织内所有已执行任务的完整日志，方便用户查看任务配置并监控其状态。
 
 ## Audit
 
-**Audit** 选项卡记录所有组织成员的操作日志，包括操作类型、操作时间、IP 地址和操作员帐户。通过单击列表顶部的 **Filter**，您可以按多个维度过滤记录。
+**Audit** 选项卡记录所有组织成员的操作日志，包括操作类型、操作时间、IP 地址和操作者账号。点击列表顶部的 **Filter**，可按多个维度筛选记录。

docs/cn/guides/51-ai-functions/01-external-functions.md

@@ -1,10 +1,10 @@
 ---
-title: 使用外部函数（External Function）自定义 AI/ML
+title: 使用外部函数自定义 AI/ML
 ---
 
-# 使用外部函数（External Function）自定义 AI/ML
+# 使用外部函数自定义 AI/ML
 
-通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Function）让您部署自定义模型、利用 GPU 加速并与任何 ML 框架集成，同时确保数据安全。
+通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Function）让您能够部署自定义模型、利用 GPU 加速，并与任何 ML 框架集成，同时确保数据安全。
 
 ## 核心能力
 
@@ -13,14 +13,14 @@ title: 使用外部函数（External Function）自定义 AI/ML
 | **自定义模型** | 使用任何开源或专有的 AI/ML 模型 |
 | **GPU 加速** | 部署在配备 GPU 的机器上以加快推理速度 |
 | **数据隐私** | 将数据保留在您的基础设施内 |
-| **可扩展性** | 独立扩展并优化资源 |
+| **可扩展性** | 独立扩展和资源优化 |
 | **灵活性** | 支持任何编程语言和 ML 框架 |
 
 ## 工作原理
 
-1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建 AI/ML 服务器  
-2. **注册函数**：通过 `CREATE FUNCTION` 将服务器接入 Databend  
-3. **在 SQL 中使用**：直接在 SQL 查询中调用自定义 AI 函数  
+1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建您的 AI/ML 服务器
+2. **注册函数**：使用 `CREATE FUNCTION` 将您的服务器连接到 Databend
+3. **在 SQL 中使用**：直接在 SQL 查询中调用您的自定义 AI 函数
 
 ## 示例：文本嵌入函数
 
@@ -44,12 +44,12 @@ def ai_embed_768(inputs: list[str], headers) -> list[list[float]]:
         # 转换为列表格式
         return [embedding.tolist() for embedding in embeddings]
     except Exception as e:
-        print(f"生成嵌入时出错：{e}")
-        # 出错时返回空列表
+        print(f"Error generating embeddings: {e}")
+        # 如果出错，则返回空列表
         return [[] for _ in inputs]
 
 if __name__ == '__main__':
-    print("在端口 8815 启动嵌入 UDF 服务器...")
+    print("正在端口 8815 上启动嵌入 UDF 服务器...")
     server = UDFServer("0.0.0.0:8815")
     server.add_function(ai_embed_768)
     server.serve()
@@ -78,5 +78,5 @@ LIMIT 5;
 
 ## 了解更多
 
-- **[外部函数（External Function）指南](/guides/query/external-function)** - 完整的设置与部署说明  
-- **[Databend Cloud](https://databend.cn)** - 免费账户体验外部函数
+- **[外部函数指南](/guides/query/advanced/external-function)** - 完整的设置和部署说明
+- **[Databend Cloud](https://databend.cn)** - 使用免费账户试用外部函数

docs/cn/guides/54-query/00-basics/aggregating-data.md

@@ -0,0 +1,90 @@
+---
+title: 聚合数据
+---
+
+学习如何使用 GROUP BY、聚合函数（Aggregate Function）和高级分组技术来汇总和分析数据。
+
+## 基本聚合
+
+### 常用聚合函数
+```sql
+-- 计算行数
+SELECT COUNT(*) FROM employees;
+
+-- 统计函数
+SELECT 
+    AVG(salary) as avg_salary,
+    MIN(salary) as min_salary,
+    MAX(salary) as max_salary,
+    SUM(salary) as total_salary
+FROM employees;
+```
+
+## GROUP BY 基础
+
+### 单列分组
+```sql
+-- 按部门统计员工人数
+SELECT department, COUNT(*) as emp_count
+FROM employees 
+GROUP BY department;
+
+-- 按部门计算平均薪资
+SELECT department, AVG(salary) as avg_salary
+FROM employees 
+GROUP BY department
+ORDER BY avg_salary DESC;
+```
+
+### 多列分组
+```sql
+-- 按部门和入职年份分组
+SELECT 
+    department,
+    EXTRACT(YEAR FROM hire_date) as hire_year,
+    COUNT(*) as count,
+    AVG(salary) as avg_salary
+FROM employees 
+GROUP BY department, EXTRACT(YEAR FROM hire_date)
+ORDER BY department, hire_year;
+```
+
+### GROUP BY 与 HAVING
+```sql
+-- 查找员工人数超过 5 人的部门
+SELECT department, COUNT(*) as emp_count
+FROM employees 
+GROUP BY department
+HAVING COUNT(*) > 5;
+
+-- 平均薪资大于 70000 的部门
+SELECT department, AVG(salary) as avg_salary
+FROM employees 
+GROUP BY department
+HAVING AVG(salary) > 70000;
+```
+
+## 高级分组
+
+### GROUP BY ALL
+```sql
+-- 自动按所有非聚合列进行分组
+SELECT department, job_title, COUNT(*) as count
+FROM employees 
+GROUP BY ALL;
+```
+
+## 高级分组扩展
+
+Databend 支持 SQL:2003 标准分组扩展：
+
+- **[ROLLUP](./groupby/group-by-rollup.md)** - 分层小计
+- **[CUBE](./groupby/group-by-cube.md)** - 所有可能的组合
+- **[GROUPING SETS](./groupby/group-by-grouping-sets.md)** - 自定义组合
+
+## 最佳实践
+
+1. **使用适当的聚合函数** - COUNT(*) 与 COUNT(column)
+2. **分组前过滤** - 在 GROUP BY 前使用 WHERE
+3. **使用 HAVING 进行聚合条件过滤** - 在聚合后过滤分组
+4. **考虑索引（Index）** - GROUP BY 的列应当被索引

docs/cn/guides/54-query/00-basics/filtering-selection.md

@@ -0,0 +1,103 @@
+---
+title: 过滤与选择
+---
+
+学习在 Databend 中使用 SELECT、WHERE 和基本操作查询（Query）数据的基础知识。
+
+## 基本 SELECT 查询
+
+### 选择列
+```sql
+-- 选择特定列
+SELECT name, salary FROM employees;
+
+-- 选择所有列
+SELECT * FROM employees;
+
+-- 使用列别名进行选择
+SELECT name AS employee_name, salary AS monthly_pay 
+FROM employees;
+```
+
+### 使用 WHERE 进行过滤
+```sql
+-- 简单条件
+SELECT * FROM employees WHERE department = 'Engineering';
+
+-- 多重条件
+SELECT * FROM employees 
+WHERE salary > 70000 AND department = 'Engineering';
+
+-- 使用 OR
+SELECT * FROM employees 
+WHERE department = 'Engineering' OR department = 'Marketing';
+
+-- 范围条件
+SELECT * FROM employees 
+WHERE salary BETWEEN 60000 AND 80000;
+
+-- 模式匹配
+SELECT * FROM employees 
+WHERE name LIKE 'A%';  -- 名字以 'A' 开头
+```
+
+## 排序结果
+
+### ORDER BY 子句
+```sql
+-- 按单列排序
+SELECT * FROM employees ORDER BY salary DESC;
+
+-- 按多列排序
+SELECT * FROM employees 
+ORDER BY department ASC, salary DESC;
+
+-- 按列位置排序
+SELECT name, salary FROM employees ORDER BY 2 DESC;
+```
+
+## 限制结果
+
+### LIMIT 和 OFFSET
+```sql
+-- 获取薪水最高的 5 名员工
+SELECT * FROM employees 
+ORDER BY salary DESC 
+LIMIT 5;
+
+-- 分页 - 跳过前 10 条，获取接下来的 5 条
+SELECT * FROM employees 
+ORDER BY salary DESC 
+LIMIT 5 OFFSET 10;
+```
+
+## 常用运算符
+
+### 比较运算符
+- `=` 等于
+- `!=` 或 `<>` 不等于
+- `>` 大于
+- `<` 小于
+- `>=` 大于或等于
+- `<=` 小于或等于
+
+### 逻辑运算符
+- `AND` 两个条件都必须为真
+- `OR` 任一条件为真即可
+- `NOT` 对条件取反
+
+### NULL 处理
+```sql
+-- 检查 NULL 值
+SELECT * FROM employees WHERE manager_id IS NULL;
+
+-- 检查非 NULL 值
+SELECT * FROM employees WHERE manager_id IS NOT NULL;
+```
+
+## 最佳实践
+
+1. **明确指定列** - 在生产环境中避免使用 `SELECT *`
+2. **使用索引（Index）** - 对索引列使用 WHERE 条件可以加快查询速度
+3. **限制大量结果** - 在进行探索性查询时，始终使用 LIMIT
+4. **尽早过滤** - 尽可能在进行连接（JOIN）之前应用 WHERE 条件

docs/cn/guides/54-query/00-basics/groupby/group-by-cube.md

@@ -0,0 +1,77 @@
+---
+title: GROUP BY CUBE
+---
+
+`GROUP BY CUBE` 是 [GROUP BY](index.md) 子句的扩展，与 [GROUP BY ROLLUP](group-by-rollup.md) 类似。除了生成 `GROUP BY ROLLUP` 的所有行之外，`GROUP BY CUBE` 还会添加所有“交叉表”行。小计行是进一步聚合的行，其值通过计算用于生成分组行的相同聚合函数得出。
+
+一个 `CUBE` 分组等价于一连串的 GROUPING SETS（分组集），本质上是一种更简洁的写法。CUBE 规范中的 N 个元素对应 `2^N` 个 `GROUPING SETS`。
+
+## 语法
+
+```sql
+SELECT ...
+FROM ...
+[ ... ]
+GROUP BY CUBE ( groupCube [ , groupCube [ , ... ] ] )
+[ ... ]
+```
+
+其中：
+```sql
+groupCube ::= { <column_alias> | <position> | <expr> }
+```
+
+- `<column_alias>`：查询块 SELECT 列表中出现的列别名。
+
+- `<position>`：SELECT 列表中表达式的位置。
+
+- `<expr>`：当前作用域内表的任意表达式。
+
+
+## 示例
+
+假设我们有一张名为 sales_data 的表，其结构及示例数据如下：
+
+```sql
+CREATE TABLE sales_data (
+  region VARCHAR(255),
+  product VARCHAR(255),
+  sales_amount INT
+);
+
+INSERT INTO sales_data (region, product, sales_amount) VALUES
+  ('North', 'WidgetA', 200),
+  ('North', 'WidgetB', 300),
+  ('South', 'WidgetA', 400),
+  ('South', 'WidgetB', 100),
+  ('West', 'WidgetA', 300),
+  ('West', 'WidgetB', 200);
+```
+
+现在，我们使用 `GROUP BY CUBE` 子句获取每个地区与产品的总销售额，以及所有可能的聚合结果：
+
+```sql
+SELECT region, product, SUM(sales_amount) AS total_sales
+FROM sales_data
+GROUP BY CUBE (region, product);
+```
+
+结果如下：
+```sql
++--------+---------+-------------+
+| region | product | total_sales |
++--------+---------+-------------+
+| South  | NULL    |         500 |
+| NULL   | WidgetB |         600 |
+| West   | NULL    |         500 |
+| North  | NULL    |         500 |
+| West   | WidgetB |         200 |
+| NULL   | NULL    |        1500 |
+| North  | WidgetB |         300 |
+| South  | WidgetA |         400 |
+| North  | WidgetA |         200 |
+| NULL   | WidgetA |         900 |
+| West   | WidgetA |         300 |
+| South  | WidgetB |         100 |
++--------+---------+-------------+
+```