diff --git a/docs/content/docs/minibend/intro.md b/docs/content/docs/minibend/intro.md
index 41bd50e..fb5f1a8 100644
--- a/docs/content/docs/minibend/intro.md
+++ b/docs/content/docs/minibend/intro.md
@@ -126,7 +126,7 @@ Databend 的索引无需人为创建，由部署的实例自行维护。同时
 
 - 更快的速度（更低的延迟）。
 - 在 OLTP 场景下，则更强调性价比。
-- 而对于 OLAP 场景，则追求更的高吞吐量。
+- 而对于 OLAP 场景，则追求更高的吞吐量。
 
 下面的图片展现的是一种典型的查询优化，对 JOIN 进行重排。
 
diff --git a/docs/content/docs/productivity-topics/databend-rustchinaconf.md b/docs/content/docs/productivity-topics/databend-rustchinaconf.md
index 35ea229..69dd58d 100644
--- a/docs/content/docs/productivity-topics/databend-rustchinaconf.md
+++ b/docs/content/docs/productivity-topics/databend-rustchinaconf.md
@@ -48,7 +48,7 @@ giscus = true
 
 ![databend arch](https://databend-internals.psiace.me/productivity-topics/Databend-RustConfChina2022/Databend-RustConfChina2022_08.png)
 
-右边是 Databend 的一个架构图。
+左边是 Databend 的一个架构图。
 
 最上一层对接 AI、BI 等应用，最下一层打通 S3、GCS、IPFS 等存储系统。中间三层则是 Databend 的主体部分。
 
diff --git a/docs/content/docs/the-basics/query-optimization.md b/docs/content/docs/the-basics/query-optimization.md
index fe73d4a..5761044 100644
--- a/docs/content/docs/the-basics/query-optimization.md
+++ b/docs/content/docs/the-basics/query-optimization.md
@@ -25,7 +25,7 @@ giscus = true
 
 - 更快的速度（更低的延迟），这是一个非常直观的评价标准。
 - 在 OLTP 场景下，则更强调性价比。
-- 而对于 OLAP 场景，则追求更的高吞吐量。
+- 而对于 OLAP 场景，则追求更高的吞吐量。
 - 从商业口号的角度看，可能偏向于一次“正确”的技术选型。
 
 ### 为什么可以优化 SQL 查询