minor

Author: yinbo3

zh_CN/development-guide/time-window-aggregation-query.md

@@ -1,29 +1,34 @@
-# 聚合查询：降采样与时间窗口分析
+# 聚合查询
 
 ## 概述
+
 在时序数据场景中，降采样与聚合计算是核心的数据处理技术。通过降低数据采样频率并将多个数据点合并为代表性数值，能够有效减少计算和传输开销，特别适用于长期趋势分析和可视化展示。
 
 ## 应用价值
+
 - 性能优化：减少数据处理量，提升查询效率
 - 趋势分析：保留关键数据特征，突出长期变化规律
 - 资源节约：降低存储、传输和计算资源消耗
 - 可视化友好：生成适合图表展示的数据密度
 
 典型应用场景：工业物联网监控、系统性能指标分析、业务数据趋势展示等。
 
-
 ## 时间窗口聚合查询
+
 ### 场景说明
 
 以传感器数据为例，采集频率为1秒级别。当需要展示最近一天或一个月的数据趋势时，原始数据点过于密集会导致：
+
 - 数据传输量过大
 - 客户端渲染性能下降
 - 图表可读性差（点距过密）
 
 时间窗口聚合通过数据分组和计算，有效解决上述问题。
 
 ### 数据表结构示例
+
 Table schema 如下：
+
 ```sql
 CREATE TABLE sensor_info (
   ts TIMESTAMP(9) NOT NULL DEFAULT CURRENT_TIMESTAMP,
@@ -37,7 +42,9 @@ CREATE TABLE sensor_info (
 ```
 
 ### 查询示例
+
 #### 分钟级聚合分析
+
 查询设备`sn=1`的温度数据，按1分钟窗口计算平均值
 
 ```sql
@@ -50,7 +57,9 @@ GROUP BY timepoint
 ```
 
 #### 天级聚合分析
+
 查询设备sn=1的温度数据，按1天窗口计算最大值
+
 ```sql
 SELECT 
   date_bin('1 day', ts) as timepoint, 
@@ -61,8 +70,8 @@ GROUP BY timepoint
 ```
 
 更多函数说明：
-* [聚合函数](../sql-reference/aggregation.md)
-* [时间与日期函数](../sql-reference/date.md)
-* [数学函数](../sql-reference/math.md)
-* [插值函数](../sql-reference/gap_fill.md)
-* [Json 函数](../sql-reference/json.md)
+- [聚合函数](../sql-reference/aggregation.md)
+- [时间与日期函数](../sql-reference/date.md)
+- [数学函数](../sql-reference/math.md)
+- [插值函数](../sql-reference/gap_fill.md)
+- [Json 函数](../sql-reference/json.md)