minor

Author: yinbo3

dir.yaml

@@ -346,7 +346,7 @@
       path: key-value-data-model/redis-compatibility
 
 - title_en: Prometheus
-  title_cn: Prometheus 兼容
+  title_cn: Prometheus 
   collapsed: true
   children:
     - title_en: Overview

en_US/prometheus/overview.md

@@ -5,27 +5,8 @@
 Datalayers 兼容 Prometheus 的远程写入协议（Remote Write Protocol） 与 PromQL（Prometheus Query Language）查询语言，支持与 Prometheus 原生生态工具的无缝集成。
 这意味着您可以：
 
-- 继续使用现有的 Prometheus 数据采集配置（如 Prometheus Server、vmagent、Exporter 等），仅需调整数据写入目标，即可将监控数据推送至 Datalayers；
+- 继续使用现有的 Prometheus 数据采集配置，仅需调整数据写入目标，即可将监控数据推送至 Datalayers；
 - 使用 Grafana 等可视化工具直接查询 Datalayers 中的监控数据，无需重写查询语句；
-- 在不改变现有监控体系架构的前提下，逐步将 Datalayers 作为 Prometheus 的补充存储层，或直接作为替代方案，以满足更高性能、更大规模、更优成本等需求。
+- 在不改变现有监控体系架构的前提下，可将 Datalayers 作为 Prometheus 的补充存储层，或直接作为替代方案，以满足更高性能、更大规模、更优成本等需求。
 
-## 主要优势
-
-- **无缝集成**  
-  支持 Prometheus 原生 Remote Write 协议，无需修改现有采集配置，即可将数据推送至 Datalayers。
-- **查询兼容**  
-  全面支持标准的 PromQL（Prometheus Query Language），您可以使用与 Prometheus 完全一致的查询语法，对监控数据进行实时检索、聚合与分析，学习与迁移成本极低。
-- **生态兼容**  
-  与 Prometheus 原生生态工具（如 Grafana）天然兼容，无需额外适配或开发，即可快速对接现有监控体系，大幅降低迁移与使用门槛。
-- **集群支持**  
-  原生分布式支持，可通过水平扩展实现计算与存储能力的扩展。
-- **低存储成本**  
-   Datalayers 支持与主流云厂商的对象存储服务（Object Storage）无缝集成，包括：
-  - 阿里云 OSS
-  - 华为云 OBS
-  - 腾讯云 COS
-  - AWS S3
-  - Azure Blob Storage
-  - Google Cloud Storage (GCS)
-
-  同时，对于兼容 S3 协议的第三方对象存储服务（如 MinIO），支持零代码接入，帮助您以极低的成本实现监控数据的长期、安全、高效存储。
+详见 [Prometheus 兼容](../../prometheus/overview.md)

en_US/prometheus/promql-compatibility.md

@@ -1,14 +1,33 @@
-# 概述
+# Prometheus 协议兼容
 
-Datalayers 支持 Prometheus 的 HTTP API 和 Remote Write 协议。通过这一特性，用户可以将现有的 Prometheus 生态工具无缝接入 Datalayers，无需修改代码即可实现数据写入和查询。
+## 概述
 
-## 主要特性
+Datalayers 兼容 Prometheus 的远程写入协议（Remote Write Protocol） 与 PromQL（Prometheus Query Language）查询语言，支持与 Prometheus 原生生态工具的无缝集成。
+这意味着您可以：
 
-- 兼容 Prometheus HTTP API，可直接对接 Grafana 等生态组件。
-- 兼容 Prometheus Remote Write 协议，可接收 Prometheus 的实时数据推送。
-- 支持 PromQL (Prometheus Query Language)，兼容主流查询语法与函数。
+- 继续使用现有的 Prometheus 数据采集配置，仅需调整数据写入目标，即可将数据推送至 Datalayers，实现大规模数据长期低成本存储；
+- 使用 Grafana 等可视化工具直接查询 Datalayers 中的监控数据，无需重写查询语句；
+- 在不改变现有监控体系架构的前提下，将 Datalayers 作为 Prometheus 的替代方案，以满足高性能、大规模、低存储成本等需求。
 
-## 核心价值
+## 主要优势
 
-- 平滑迁移： 无需修改现有的数据采集和可视化工具链。
-- 高性能/长期存储： 利用 Datalayers 的存储优势，解决原生 Prometheus 在大规模或长期存储场景下的性能和容量瓶颈。
+- **无缝集成**  
+  支持 Prometheus 原生 Remote Write 协议，可接收 Prometheus 的实时数据推送。
+- **生态兼容**  
+  兼容标准的 PromQL（Prometheus Query Language） 与 HTTP API，可直接对接 Grafana 等生态组件对接。
+- **集群支持**  
+  原生分布式支持，可通过水平扩展实现计算与存储能力的扩展。
+- **低存储成本**  
+   Datalayers 支持与主流云厂商的对象存储服务（Object Storage）无缝集成，包括：
+  - 阿里云 OSS
+  - 华为云 OBS
+  - 腾讯云 COS
+  - AWS S3
+  - Azure Blob Storage
+  - Google Cloud Storage (GCS)  
+
+  ```text
+  同时，对于兼容 S3 协议的第三方对象存储服务（如 MinIO），支持零代码接入，帮助您以极低的成本实现监控数据的长期、安全、高效存储。
+  ```
+
+- **高性能/长期存储**：利用 Datalayers 的存储优势，解决原生 Prometheus 在大规模或长期存储场景下的性能和容量瓶颈。  

en_US/prometheus/quick-start.md

@@ -1,5 +1,9 @@
 # PromQL 兼容性
 
+## 概述
+
+Datalayers 提供高度兼容的 PromQL 查询能力，支持绝大多数常用的选择器、运算符和函数，确保从 Prometheus 平滑迁移。
+
 ## 选择器
 
 Datalayers 支持 Instant 选择器和 Range 选择器。并且对于普通标签，Datalayers 完整支持四种匹配运算符 (`=, !=, =~, !=`)。
@@ -12,8 +16,8 @@ Datalayers 支持 `offset` 修饰符，但不支持 `@` 修饰符。
 
 | 类型 | 支持 | 不支持 |
 | :--- | :--- | :--- |
-| **运算符** | `neg`, `add`, `sub`, `mul`, `div`, `mod`, `eq`, `ne`, `gt`, `lt`, `ssgt`, `sslt`, `sseq`, `ssne`, `slt`, `sle`, `sge`, `power`, `atan2`, `and`, `or`, `unless` | 无 |
+| **运算符** | `neg`, `add`, `sub`, `mul`, `div`, `mod`, `eq`, `ne`, `gt`, `lt`, `ssgt`, `sslt`, `sseq`, `ssne`, `slt`, `sle`, `sge`, `power`, `atan2`, `and`, `or`, `unless` | - |
 | **聚合** | `sum`, `avg`, `min`, `max`, `stddev`, `stdvar`, `topk`, `bottomk`, `count_values`, `count`, `quantile`, `grouping`| `limitk`, `limit_ratio` |
 | **Instant 函数** | `abs`, `ceil`, `exp`, `ln`, `log2`, `log10`, `sqrt`, `acos`, `asin`, `atan`, `sin`, `cos`, `tan`, `acosh`, `asinh`, `atanh`, `sinh`, `cosh`, `scalar`, `tanh`, `timestamp`, `sort`, `sort_desc`, `histogram_quantile`, `predict_linear`, `absent`, `sgn`, `pi`, `deg`, `rad`, `floor`, `clamp`, `clamp_max`, `clamp_min` | 其它 `histogram_<aggr>` 函数|
-| **Range 函数** | `idelta`, `<aggr>_over_time` (如 `count_over_time`, `stddev_over_time`, `stdvar_over_time`), `changes`, `delta`, `rate`, `deriv`, `increase`, `irate`, `reset` | 无 |
-| **其他函数** | `label_join`, `label_replace`, `sort_by_label`, `sort_by_label_desc` | 无 |
+| **Range 函数** | `idelta`, `<aggr>_over_time` (如 `count_over_time`, `stddev_over_time`, `stdvar_over_time`), `changes`, `delta`, `rate`, `deriv`, `increase`, `irate`, `reset` | - |
+| **其他函数** | `label_join`, `label_replace`, `sort_by_label`, `sort_by_label_desc` | - |

zh_CN/development-guide/prometheus/overview.md

@@ -1,10 +1,14 @@
 # 快速开始
 
-## Remote Write
+Datalayers 完全兼容 Prometheus Remote Write 协议，可无缝承接 Prometheus 数据流。本指南将帮助您快速完成数据接入和查询配置。
+
+## 数据写入配置
+
+### 配置 Prometheus Remote Write
 
 通过 Prometheus Remote Write 协议，可以将 Prometheus 中的数据快速导入 Datalayers。为此，您需要在 Prometheus 的配置文件中增加以下内容，将 Datalayers 设置为 Remote Write 端点：
 
-```
+```yaml
 remote_write:
 - url: https://<host>:<port>/api/v1/write
   basic_auth:
@@ -14,35 +18,50 @@ remote_write:
     database: <dbname>
 ```
 
-其中：
+**参数说明**：
+
+- `<host>` 和 `<port>`：Datalayers 服务地址和 HTTP 端口
+- `<username>` 和 `<password>`：认证凭据（默认：admin/public）
+- `<dbname>`：目标数据库名称（需预先创建）
 
-- `<host>` 和 `<port>` 分别表示 Datalayers 的 IP 地址和 HTTP 端口号
-- `<dbname>` 表示数据将要导入的数据库名称，该数据库需要预先创建
-- `<username>` 和 `<password>` 表示用于认证的用户名和密码
+### 配置示例
 
-## HTTP API
+```yaml
+# 实际配置示例
+remote_write:
+  - url: "http://localhost:9090/api/v1/write"
+    basic_auth:
+      username: admin
+      password: public
+    headers:
+      database: prometheus_metrics
+```
 
-导入 Datalayers 的数据可以通过以下 Prometheus HTTP API 进行查询：
+## 数据查询 API
+
+Datalayers 提供完整的 Prometheus HTTP API 兼容接口：
 
 - Instant queries: `/api/v1/query`
 - Range queries: `/api/v1/query_range`
 - Series: `/api/v1/series`
 - Label names: `/api/v1/labels`
 - Label values: `/api/v1/label/<label_name>/values`
 
-这些接口的输入和输出与 Prometheus 保持一致，可以作为其直接替换。例如，您可以通过如下请求查询指标 `up` 在 `2025-07-22T10:00:00Z` 时刻的数据：
+### 查询示例
 
-```
+这些接口的输入和输出与 Prometheus 保持一致。例如，您可以通过如下请求查询指标 `up` 在 `2025-07-22T10:00:00Z` 时刻的数据：
+
+```shell
 curl -v \
   -u admin:public \
   -H "database:prom" \
   -d "query=up&time=2025-07-22T10:00:00Z" \
   "http://localhost:9090/api/v1/query"
 ```
 
-收到的响应形式如下：
+### 响应格式
 
-```
+```json
 {
   "status": "success",
   "data": {
@@ -56,27 +75,21 @@ curl -v \
 }
 ```
 
-更多关于 HTTP API 的内容可参考![官方文档](https://prometheus.io/docs/prometheus/latest/querying/api/)。
+更多关于 API 的内容可参考 [Prometheus 官方文档](https://prometheus.io/docs/prometheus/latest/querying/api/)。
 
 ### 注意事项
 
-相较于 Prometheus，Datalayers 有额外的数据库的概念，每个 metric 都归属于某个数据库，因此在查询时需要显式指明数据库的名称。
-
-您可以通过两种方式指定数据库：
+相较于 Prometheus，Datalayers 有额外的数据库的概念，每个 metric 都归属于某个数据库，因此在查询时需要显式指明数据库的名称。可通过以下两种方式指定数据库：
 
 1. 在 HTTP 请求的 header 中增加 `database: <dbname>`，之后查询的 metric 都会默认归属该数据库
 2. 或者通过标签 `__database__` 指定数据库，如 `up{__database__="dbname"}`。通过这种方式可以覆盖 HTTP header 中指定的数据库。
 
-## Grafana
+## Grafana 集成配置
 
 您可以直接将 Datalayers 作为 Prometheus 数据源添加到 Grafana 中，具体步骤如下：
 
-1. 在 Grafana 中 点击 Add new data source，选择 Prometheus 作为数据源
-
-2. 在 Remote server URL 中填入 Datalayers 的地址 `http://<host>:<port>`
-
-3. 在 Authentication method 中选择 Basic authentication，填入用户名和密码
-
-4. 在 Http headers 中增加 header `database: <dbname>`
-
-5. 点击 Save & Test 进行连通性测试，通过后进入面板编写 PromQL 进行查询
+- 在 Grafana 中 点击 Add new data source，选择 Prometheus 作为数据源
+- 在 Remote server URL 中填入 Datalayers 服务中配置的 Prometheus 协议地址 `http://<host>:<port>`
+- 在 Authentication method 中选择 Basic authentication，填入用户名和密码
+- 在 Http headers 中增加 header `database: <dbname>`
+- 点击 Save & Test 进行连通性测试，通过后进入面板编写 PromQL 进行查询