AI Translate 81-how-databend-works to Simplified-Chinese (#2415)

* [INIT] Start translation to Simplified-Chinese

* 🌐 Translate _category_.json to Simplified-Chinese

* 🌐 Translate _category_.json to Simplified-Chinese

* 🌐 Translate _category_.json to Simplified-Chinese

* 🌐 Translate _category_.json to Simplified-Chinese

* 🌐 Translate _category_.json to Simplified-Chinese

* 🌐 Translate _category_.json to Simplified-Chinese

---------

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: github-actions[bot]

.translation-init

@@ -1 +1 @@
-Translation initialization: 2025-06-07T11:38:44.688685
+Translation initialization: 2025-06-08T04:07:45.539834

docs/cn/guides/81-how-databend-works/01-how-databend-fuse-engine-works.md

@@ -1,134 +1,135 @@
-title: Databend 免拷贝数据共享 (Data Sharing) 工作原理
+---
+title: Databend 免拷贝数据共享（Copy-Free Data Sharing）的工作原理
 ---
 
-## 什么是数据共享 (Data Sharing)？
+## 什么是数据共享（Data Sharing）？
 
-不同团队通常需要访问同一份数据的不同部分。传统解决方案通过多次复制数据来满足需求，但这种方式成本高昂且难以维护。
+不同团队需要相同数据的不同部分。传统解决方案会多次复制数据——成本高昂且难以维护。
 
-Databend 的 **[ATTACH TABLE](/sql/sql-commands/ddl/table/attach-table)** 命令优雅地解决了这个问题：它能为同一份数据创建多个“视图”，而无需进行物理复制。这得益于 Databend **真正的存算分离**架构——无论是使用云存储还是本地对象存储，都能实现**一次存储，随处访问**。
+Databend 的 **[ATTACH TABLE](/sql/sql-commands/ddl/table/attach-table)** 优雅地解决了这个问题：为相同数据创建多个"视图"（View）而无需复制。这利用了 Databend 的**真正计算存储分离**架构——无论使用云存储还是本地对象存储：**存储一次，随处访问**。
 
-您可以将 `ATTACH TABLE` 理解为操作系统的快捷方式——它仅仅指向原始文件，并不会复制文件本身。
+可以将 ATTACH TABLE 想象成计算机快捷方式——它们指向原始文件而不复制它。
 
 ```
-                对象存储 (Object Storage)，如 S3、MinIO、Azure 等
+                对象存储（Object Storage）(S3, MinIO, Azure, 等)
                          ┌─────────────┐
-                         │   原始数据   │
+                         │   您的数据   │
                          └──────┬──────┘
                                 │
         ┌───────────────────────┼───────────────────────┐
         │                       │                       │
         ▼                       ▼                       ▼
 ┌─────────────┐         ┌─────────────┐         ┌─────────────┐
-│  营销团队   │         │  财务团队   │         │  销售团队   │
+│   营销团队   │         │   财务团队   │         │   销售团队   │
 │    视图     │         │    视图     │         │    视图     │
 └─────────────┘         └─────────────┘         └─────────────┘
 ```
 
 ## 如何使用 ATTACH TABLE
 
-**步骤 1：获取数据位置**
+**步骤 1：查找数据位置**
 ```sql
 SELECT snapshot_location FROM FUSE_SNAPSHOT('default', 'company_sales');
--- 结果: 1/23351/_ss/... → 数据位于 s3://your-bucket/1/23351/
+-- 结果：1/23351/_ss/... → 数据位于 s3://your-bucket/1/23351/
 ```
 
-**步骤 2：为不同团队创建专属视图**
+**步骤 2：创建团队特定视图**
 ```sql
--- 营销团队：用于客户行为分析
+-- 营销：客户行为分析
 ATTACH TABLE marketing_view (customer_id, product, amount, order_date) 
 's3://your-bucket/1/23351/' CONNECTION = (ACCESS_KEY_ID = 'xxx', SECRET_ACCESS_KEY = 'yyy');
 
--- 财务团队：用于收入跟踪
+-- 财务：收入跟踪
 ATTACH TABLE finance_view (order_id, amount, profit, order_date) 
 's3://your-bucket/1/23351/' CONNECTION = (ACCESS_KEY_ID = 'xxx', SECRET_ACCESS_KEY = 'yyy');
 
--- 人力资源团队：仅含员工信息，不含薪资
+-- 人力资源：不包含薪资的员工信息
 ATTACH TABLE hr_employees (employee_id, name, department) 
 's3://data/1/23351/' CONNECTION = (...);
 
--- 开发团队：访问生产环境表结构，但不含敏感数据
+-- 开发：不包含敏感数据的生产结构
 ATTACH TABLE dev_customers (customer_id, country, created_date) 
 's3://data/1/23351/' CONNECTION = (...);
 ```
 
-**步骤 3：独立查询数据**
+**步骤 3：独立查询**
 ```sql
--- 营销团队分析消费趋势
+-- 营销分析趋势
 SELECT product, COUNT(*) FROM marketing_view GROUP BY product;
 
--- 财务团队跟踪利润
+-- 财务跟踪利润
 SELECT order_date, SUM(profit) FROM finance_view GROUP BY order_date;
 ```
 
-## 核心优势
+## 主要优势
 
-**实时更新**：源数据一旦变更，所有附加表都能即时感知。
+**实时更新**：当源数据更改时，所有附加表立即看到变化
 ```sql
 INSERT INTO company_sales VALUES (1001, 501, 'Laptop', 1299.99, 299.99, '[email protected]', '2025-01-20');
 SELECT COUNT(*) FROM marketing_view WHERE order_date = '2024-01-20'; -- 返回：1
 ```
 
-**列级安全性**：各团队只能看到其所需的数据——例如，营销团队无法查看利润，财务团队也无法访问客户的电子邮件地址。
+**列级安全性**：团队只能看到需要的内容——营销看不到利润，财务看不到客户邮箱
 
-**强一致性**：查询操作永远不会读取到部分更新的数据，确保看到的是完整的快照 (Snapshot)——这对于财务报告和合规性审计至关重要。
+**强一致性**：永远不会读取部分更新，始终看到完整快照——非常适合财务报告和合规性
 
-**完整性能**：所有索引 (Index) 自动生效，查询性能与操作常规表完全相同。
+**完整性能**：所有索引（Index）自动工作，与常规表相同的速度
 
-## 该功能为何如此重要
+## 为什么这很重要
 
 | 传统方法 | Databend ATTACH TABLE |
-|---------------------|----------------------|
-| 存在多个数据副本 | 所有团队共享单一数据副本 |
-| 存在 ETL 延迟和同步问题 | 数据实时、始终保持最新 |
-| 维护工作复杂 | 零维护成本 |
-| 副本越多，安全风险越高 | 支持细粒度的列级访问控制 |
-| 因数据移动导致性能下降 | 基于原始数据进行全面优化 |
+|---------|----------------------|
+| 多个数据副本 | 所有人共享单个副本 |
+| ETL 延迟，同步问题 | 实时，始终最新 |
+| 复杂维护 | 零维护 |
+| 更多副本 = 更多安全风险 | 细粒度列访问 |
+| 由于数据移动而变慢 | 对原始数据进行完整优化 |
 
 ## 底层工作原理
 
 ```
-查询：SELECT product, SUM(amount) FROM marketing_view GROUP BY product
+查询（Query）：SELECT product, SUM(amount) FROM marketing_view GROUP BY product
 
 ┌─────────────────────────────────────────────────────────────────┐
-│                         查询执行流程                          │
+│                    查询执行流程                                   │
 └─────────────────────────────────────────────────────────────────┘
 
     用户查询
         │
         ▼
 ┌───────────────────┐    ┌─────────────────────────────────────┐
-│ 1. 读取快照元数据 │───►│ s3://bucket/1/23351/_ss/            │
-│                   │    │ 获取表的当前状态                     │
+│ 1. 读取快照       │───►│ s3://bucket/1/23351/_ss/            │
+│    （Snapshot）    │    │ 获取当前表状态                       │
 └───────────────────┘    └─────────────────────────────────────┘
         │
         ▼
 ┌───────────────────┐    ┌─────────────────────────────────────┐
-│ 2. 应用列过滤器   │───►│ 筛选条件: customer_id, product,     │
-│                   │    │           amount, order_date        │
+│ 2. 应用列         │───►│ 过滤器：customer_id, product,       │
+│    过滤器         │    │         amount, order_date          │
 └───────────────────┘    └─────────────────────────────────────┘
         │
         ▼
 ┌───────────────────┐    ┌─────────────────────────────────────┐
-│ 3. 检查统计信息与 │───►│ • 段 (Segment) 的最小/最大值        │
-│    索引           │    │ • 布隆过滤器 (Bloom Filter)         │
-└───────────────────┘    │ • 聚合索引 (Aggregate Index)        │
+│ 3. 检查统计信息   │───►│ • 段最小/最大值                     │
+│    和索引         │    │ • 布隆过滤器（Bloom Filter）        │
+└───────────────────┘    │ • 聚合索引（Aggregate Index）       │
         │                └─────────────────────────────────────┘
         ▼
 ┌───────────────────┐    ┌─────────────────────────────────────┐
-│ 4. 智能数据获取   │───►│ 跳过不相关的数据块                   │
-│                   │    │ 仅从 _b/ 目录下载所需数据           │
+│ 4. 智能数据       │───►│ 跳过无关块                          │
+│    获取           │    │ 仅从 _b/ 下载所需数据               │
 └───────────────────┘    └─────────────────────────────────────┘
         │
         ▼
 ┌───────────────────┐    ┌─────────────────────────────────────┐
-│ 5. 本地执行       │───►│ 全面的查询优化与并行处理             │
-│                   │    │ 利用所有可用索引进行数据处理         │
+│ 5. 本地           │───►│ 完整优化和并行处理                   │
+│    执行           │    │ 使用所有可用索引进行处理             │
 └───────────────────┘    └─────────────────────────────────────┘
         │
         ▼
-    返回结果：产品销售摘要
+    结果：产品销售摘要
 ```
 
-多个 Databend 集群可以同时执行此流程而无需相互协调，这正是存算分离架构强大能力的体现。
+多个 Databend 集群可以同时执行此流程而无需协调——真正的计算存储分离在实际应用中。
 
-`ATTACH TABLE` 代表了一种根本性的转变：**从“为每个用例复制一份数据”转向“一份数据，多个视图”**。无论是在云端还是本地环境中，Databend 的架构都能实现强大、高效的数据共享 (Data Sharing)，同时保持企业级的一致性与安全性。
+ATTACH TABLE 代表了一个根本性转变：**从为每个用例复制数据转向一个副本多个视图**。无论在云环境还是本地环境中，Databend 的架构都能实现强大、高效的数据共享，同时保持企业级一致性和安全性。

docs/cn/guides/81-how-databend-works/02-how-databend-optimizer-works.md

@@ -1,3 +1,3 @@
 {
   "label": "Databend 工作原理"
-}
+}

docs/cn/guides/81-how-databend-works/03-how-databend-json-variant-works.md

@@ -2,7 +2,7 @@
 title: Databend 工作原理
 ---
 
-深入了解 Databend 的架构 (Architecture)、存储引擎 (Storage Engine) 和查询执行 (Query Execution)。
+深入了解 Databend 的架构、存储引擎和查询执行的技术细节。
 
 import IndexOverviewList from '@site/src/components/IndexOverviewList';