docs: minor fix

Signed-off-by: Chojan Shang <[email protected]>

docs/content/docs/source-reading/storage-basics-read-partitions.md

@@ -19,7 +19,7 @@ giscus = true
 
 Databend 将存储引擎抽象成一个名为 `Table` 的接口，源码位于 `query/catalog/src/table.rs`。
 
-`Table` 接口定义了 `read`、`append`、`alter`、`optimize`、`truncate` 以及 `recluster` 等方法，负责数据的读写和变更。解释器通过调用 `Table trait` 的方法生成物理执行的 `pipeline`。
+`Table` 接口定义了 `read`、`append`、`alter`、`optimize`、`truncate` 以及 `recluster` 等方法，负责数据的读写和变更。解释器（interpreter）通过调用 `Table trait` 的方法生成物理执行的 `pipeline`。
 
 通过实现 `Table` 接口的方法，可以定义 Databend 的存储引擎，不同的实现对应不同的引擎。
 
@@ -32,7 +32,7 @@ Storage 主要关注 `Table` 接口的具体实现，涉及表的元信息，索
 | common/cache               | 定义与管理缓存，包括磁盘缓存和内存缓存。类型包含表 meta 缓存、查询结果缓存、表数据缓存等。 |
 | common/index               | 定义与使用索引，目前支持 bloom filter index、page index、range index。 |
 | common/locks               | 管理与使用锁，支持表级别的锁。                              |
-| common/pruner              | 分区剪裁算法，包括内部列剪裁、限制器剪裁、页面剪裁、topn 剪裁、范围剪裁。 |
+| common/pruner              | 分区剪裁算法，包括 internal column pruner、limiter pruner、page pruner、topn pruner、range pruner。 |
 | common/table_meta          | 表 meta 的数据结构定义。                                     |
 | hive                       | hive 表的交互                                                |
 | iceberg                    | iceberg 交互                                                 |
@@ -43,7 +43,7 @@ Storage 主要关注 `Table` 接口的具体实现，涉及表的元信息，索
 | parquet                    | 把 parquet 文件作为数据源                                    |
 | fuse                       | fuse 引擎模块                                                |
 | fuse/src/io                | table meta、index、block 的读写 IO 交互                      |
-| fuse/src/pruning           | fuse 分区剪裁                                                |
+| fuse/src/pruning           | fuse 分区裁剪                                                |
 | fuse/src/statistics        | column statistics 和 cluster statistics 等统计信息           |
 | fuse/src/table_functions   | table function 实现                                          |
 | fuse/src/operation         | fuse 引擎对 table trait 方法的具体实现。并包含了如 ReadSource、CommitSink 等 processor 算子的定义 |
@@ -83,7 +83,7 @@ impl Table for FuseTable {
 }
 ```
 
-Fuse 引擎会以 segment 为单位构建 lazy 类型的 `FuseLazyPartInfo`。通过这种方式，`prune_snapshot_blocks` 可以推迟到 pipeline 初始化阶段执行，特别是在分布式集群模式下，可以有效提高剪裁执行效率。
+Fuse 引擎会以 segment 为单位构建 lazy 类型的 `FuseLazyPartInfo`。通过这种方式，`prune_snapshot_blocks` 可以下推到 pipeline 初始化阶段执行，特别是在分布式集群模式下，可以有效提高剪裁执行效率。
 
 ```Rust
 pub struct FuseLazyPartInfo {
@@ -96,7 +96,7 @@ pub struct FuseLazyPartInfo {
 分区剪裁流程的实现位于 `query/storages/fuse/src/pruning/fuse_pruner.rs` 文件中，具体流程如下：
 
 1. 基于 `push_downs` 条件构造各类剪裁器（pruner），并实例化 `FusePruner`。
-2. 在 `FusePruner` 中执行 `pruning` 方法，创建 `max_concurrency` 个分批剪裁任务。每个批次包括多个 segment 位置，首先根据 `internal_column_pruner` 筛选出无需的 segments，再读取 `SegmentInfo`，并根据 segment 级别的 `MinMax` 索引进行范围剪裁。
+2. 调用 `FusePruner` 中的 `pruning` 方法，创建 `max_concurrency` 个分批剪裁任务。每个批次包括多个 segment 位置，首先根据 `internal_column_pruner` 筛选出无需的 segments，再读取 `SegmentInfo`，并根据 segment 级别的 `MinMax` 索引进行范围剪裁。
 3. 读取过滤后的 `SegmentInfo` 中的 `BlockMetas`，并按照 `internal_column_pruner`、`limit_pruner`、`range_pruner`、`bloom_pruner`、`page_pruner` 等算法的顺序，剔除无需的 blocks。
 4. 执行 `TopNPrunner` 进行过滤，从而得到最终剪裁后的 `block_metas`。