docs: polish taxi_tour_duration_prediction.md

docs/zh/about/intro.md

@@ -54,7 +54,7 @@ OpenMLDB 完成从特征的离线开发到上线部署，只需要以下三个
 
  **OpenMLDB 为什么选择 SQL 作为开发语言？**
 
-   SQL 具备表达语法简洁且功能强大的特点，选用 SQL 和数据库开发体验一方面降低开发门槛，另一方面更易于跨部门之间的协作和共享。此外，基于 OpenMLDB 的实践经验表明，经过优化过的 SQL 在特征计算的表达上功能完备，已经经历了长时间的实践考验。
+   SQL 具备表达语法简洁且功能强大的特点，选用 SQL 作为开发语言一方面降低开发门槛，另一方面更易于跨部门之间的协作和共享。此外，基于 OpenMLDB 的实践经验表明，经过优化过的 SQL 在特征计算的表达上功能完备，已经经历了长时间的实践考验。
 
 
 ## 学术论文

docs/zh/quickstart/openmldb_quickstart.md

@@ -6,8 +6,7 @@ OpenMLDB 的主要使用场景为作为机器学习的实时特征平台。其
 
 ![modes-flow](concepts/images/modes-flow.png)
 
-
-可以看到，OpenMLDB 会覆盖机器学习的特征计算环节，从离线开发到线上实时请求服务的完整流程。可以参考文档 [使用流程和执行模式](concepts/modes.md) 来详细了解。本文将按照基本使用流程，逐步演示一个快速上手的例子。
+可以看到，OpenMLDB 会覆盖机器学习的特征计算环节，从离线开发到线上实时请求服务的完整流程。可以参考文档[使用流程和执行模式](concepts/modes.md)来详细了解。本文将按照基本使用流程，逐步演示一个快速上手和了解 OpenMLDB 的例子。
 
 ## 准备
 

docs/zh/use_case/JD_recommendation.md

@@ -143,13 +143,13 @@ echo "show jobs;" | /work/openmldb/bin/openmldb --zk_cluster=127.0.0.1:2181 --zk
 
 #### 2.2.3 特征设计
 
-通常在设计特征前，用户需要根据机器学习的目标对数据进行分析，然后根据分析设计和调研特征。机器学习的数据分析和特征研究不是本文讨论的范畴，我们将不作展开。本文假定用户具备机器学习的基本理论知识，有解决机器学习问题的能力，能够理解SQL语法，并能够使用SQL语法构建特征。针对本案例，用户经过分析和调研设计了若干特征。
+通常在设计特征前，需要根据机器学习的目标对数据进行分析，然后根据分析设计和调研特征。机器学习的数据分析和特征研究不是本文讨论的范畴，我们将不作展开。本文假定用户具备机器学习的基本理论知识，有解决机器学习问题的能力，能够理解SQL语法，并能够使用SQL语法构建特征。针对本案例，经过分析和调研设计了若干特征。
 
 请注意，在实际的机器学习特征调研过程中，科学家对特征进行反复试验，寻求模型效果最好的特征集。所以会不断的重复多次特征设计->离线特征抽取->模型训练过程，并不断调整特征以达到预期效果。
 
 #### 2.2.4 离线特征抽取
 
-源数据准备好以后，就可以进行离线特征抽取，我们将特征结果输出到`'/work/oneflow_demo/out/1'`目录下保存（对应映射为`$demodir/out/1`，方便容器外部使用特征数据），以供后续的模型训练。 `SELECT` 命令对应了基于上述特征设计所产生的 SQL 特征计算脚本。
+源数据准备好以后，就可以进行离线特征抽取，我们将特征结果输出到 `'/work/oneflow_demo/out/1'` 目录下保存（对应映射为 `$demodir/out/1`，方便容器外部使用特征数据），以供后续的模型训练。 `SELECT` 命令对应了基于上述特征设计所产生的 SQL 特征计算脚本。
 ```sql
 > USE JD_db;
 > select * from

docs/zh/use_case/taxi_tour_duration_prediction.md

@@ -1,81 +1,80 @@
-#  出租车行程时间预测（OpenMLDB + LightGBM）
+# 出租车行程时间预测 (OpenMLDB + LightGBM)
 
-本文我们将以[Kaggle上的出租车行车时间预测问题为例](https://www.kaggle.com/c/nyc-taxi-trip-duration/overview)，示范如何使用[OpenMLDB](https://github.com/4paradigm/OpenMLDB)和 LightGBM 联合来打造一个完整的机器学习应用。本案例基于 OpenMLDB 集群版进行教程演示。
+本文将以 [Kaggle 上的出租车行车时间预测问题](https://www.kaggle.com/c/nyc-taxi-trip-duration/overview)为例，示范如何使用 OpenMLDB 和 LightGBM 联合来打造一个完整的机器学习应用。
 
-注意，本文档使用的是预编译好的 docker 镜像。如果希望在自己编译和搭建的 OpenMLDB 环境下进行测试，需要配置使用我们[面向特征工程优化的 Spark 发行版](../tutorial/openmldbspark_distribution.md)。请参考相关[编译](../deploy/compile.md)（参考章节：“针对OpenMLDB优化的Spark发行版”）和[安装部署文档](../deploy/install_deploy.md)（参考章节：“部署TaskManager” - “2 修改配置文件conf/taskmanager.properties”）。
+注意，本文档使用的是预编译好的 Docker 镜像。如果希望在自己编译和搭建的 OpenMLDB 环境下进行测试，需要配置使用[面向特征工程优化的 Spark 发行版](https://openmldb.ai/docs/zh/main/tutorial/openmldbspark_distribution.html)。请参考[针对 OpenMLDB 优化的 Spark 发行版文档](../tutorial/openmldbspark_distribution.md#openmldb-spark-发行版)和[安装部署文档](../deploy/install_deploy.md#2-修改配置文件conftaskmanagerproperties)。
 
-## 1. 环境准备和预备知识
+## 准备和预备知识
 
-### 1.1 拉取和启动 OpenMLDB Docker 镜像
+本文基于 OpenMLDB CLI 进行开发和部署，首先需要下载样例数据并且启动 OpenMLDB CLI。推荐使用 Docker 镜像来快速体验。
 
-- 注意，请确保 Docker Engine 版本号 >= 18.03
-- 拉取 OpenMLDB docker 镜像，并且运行相应容器：
+- Docker 版本：>= 18.03
+
+### 拉取镜像
+
+在命令行执行以下命令拉取 OpenMLDB 镜像，并启动 Docker 容器：
 
 ```bash
 docker run -it 4pdosc/openmldb:0.7.2 bash
 ```
+
 该镜像预装了OpenMLDB，并预置了本案例所需要的所有脚本、三方库、开源工具以及训练数据。
 
 ```{note}
-注意，本教程以下的所有演示命令默认均在该已经启动的 docker 容器内运行。
+注意，本教程以下的 OpenMLDB 部分的演示命令默认均在启动的 Docker 容器内运行。
 ```
 
-### 1.2 初始化环境
+### 初始化环境
 
 ```bash
 ./init.sh
 cd taxi-trip
 ```
-我们在镜像内提供了init.sh脚本帮助用户快速初始化环境，包括：
+镜像内提供的 init.sh 脚本帮助用户快速初始化环境，包括：
 
 - 配置 zookeeper
 - 启动集群版 OpenMLDB
 
-### 1.3  启动 OpenMLDB CLI 客户端
+### 启动 OpenMLDB CLI
 
 ```bash
 /work/openmldb/bin/openmldb --zk_cluster=127.0.0.1:2181 --zk_root_path=/openmldb --role=sql_client
 ```
-```{note}
-注意，本教程大部分命令在 OpenMLDB CLI 下执行，为了跟普通 shell 环境做区分，在 OpenMLDB CLI 下执行的命令均使用特殊的提示符 `>` 。
-```
 
-### 1.4 预备知识：集群版的非阻塞任务
+### 预备知识：异步任务
 
-集群版的部分命令是非阻塞任务，包括在线模式的 `LOAD DATA`，以及离线模式的 `LOAD DATA` ，`SELECT`，`SELECT INTO` 命令。提交任务以后可以使用相关的命令如 `SHOW JOBS`, `SHOW JOB` 来查看任务进度，详情参见[离线任务管理文档](../openmldb_sql/task_manage)。
+OpenMLDB 部分命令是异步的，如：在线/离线模式的 `LOAD DATA`、`SELECT`、`SELECT INTO` 命令。提交任务以后可以使用相关命令如 `SHOW JOBS`、`SHOW JOB` 来查看任务进度，详情参见[离线任务管理文档](../openmldb_sql/task_manage/index.rst)。
 
-## 2. 机器学习全流程
+## 机器学习全流程
 
-### 2.1 创建数据库和数据表
+### 步骤 1：创建数据库和表
 
-以下命令均在 OpenMLDB CLI 环境下执行。
+创建数据库 `demo_db` 和数据表 `t1`：
 
 ```sql
-> CREATE DATABASE demo_db;
-> USE demo_db;
-> CREATE TABLE t1(id string, vendor_id int, pickup_datetime timestamp, dropoff_datetime timestamp, passenger_count int, pickup_longitude double, pickup_latitude double, dropoff_longitude double, dropoff_latitude double, store_and_fwd_flag string, trip_duration int);
+--OpenMLDB CLI
+CREATE DATABASE demo_db;
+USE demo_db;
+CREATE TABLE t1(id string, vendor_id int, pickup_datetime timestamp, dropoff_datetime timestamp, passenger_count int, pickup_longitude double, pickup_latitude double, dropoff_longitude double, dropoff_latitude double, store_and_fwd_flag string, trip_duration int);
 ```
 
-### 2.2 离线数据准备
-
-首先，切换到离线执行模式。接着，导入样例数据 `/work/taxi-trip/data/taxi_tour_table_train_simple.csv` 作为离线数据，用于离线特征计算。
+### 步骤 2：导入离线数据
 
-以下命令均在 OpenMLDB CLI 下执行。
+首先，切换到离线执行模式。接着，导入样例数据 `/work/taxi-trip/data/taxi_tour_table_train_simple.snappy.parquet` 作为离线数据，用于离线特征计算。
 
 ```sql
-> USE demo_db;
-> SET @@execute_mode='offline';
-> LOAD DATA INFILE '/work/taxi-trip/data/taxi_tour_table_train_simple.snappy.parquet' INTO TABLE t1 options(format='parquet', header=true, mode='append');
+--OpenMLDB CLI
+USE demo_db;
+SET @@execute_mode='offline';
+LOAD DATA INFILE '/work/taxi-trip/data/taxi_tour_table_train_simple.snappy.parquet' INTO TABLE t1 options(format='parquet', header=true, mode='append');
 ```
 ```{note}
-注意，集群版 `LOAD DATA` 为非阻塞任务，可以使用命令 `SHOW JOBS` 查看任务运行状态，请等待任务运行成功（ `state` 转至 `FINISHED` 状态），再进行下一步操作 。
+`LOAD DATA` 为异步任务，请使用命令 `SHOW JOBS` 查看任务运行状态，等待任务运行成功（ `state` 转至 `FINISHED` 状态），再进行下一步操作 。
 ```
 
-### 2.3 特征设计
+### 步骤 3：特征设计
 
-通常在设计特征前，用户需要根据机器学习的目标对数据进行分析，然后根据分析设计和调研特征。机器学习的数据分析和特征研究不是本文讨论的范畴，我们将不作展开。本文假定用户具备机器学习的基本理论知识，有解决机器学习问题的能力，能够理解SQL语法，并能够使用SQL语法构建特征。
-
-针对本案例，用户经过分析和调研设计了若干特征：
+通常在设计特征前，用户需要根据机器学习的目标对数据进行分析，然后根据分析设计和调研特征。然而，机器学习的数据分析和特征研究并不是本文讨论的范畴。本文假定用户具备机器学习的基本理论知识，有解决机器学习问题的能力，能够理解 SQL 语法，并能够使用 SQL 语法构建特征。针对本案例，假设用户经过分析和调研设计了以下若干特征：
 
 | 特征名          | 特征含义                                                  | SQL特征表示                             |
 | --------------- | --------------------------------------------------------- | --------------------------------------- |
@@ -92,16 +91,17 @@ cd taxi-trip
 | pc_cnt          | 最近1天时间窗口内，相同载客量trips总数                    | `count(vendor_id) OVER w2`              |
 | vendor_cnt      | 最近1天时间窗口内，同品牌出租车trips总数                  | `count(vendor_id) OVER w AS vendor_cnt` |
 
-请注意，在实际的机器学习特征调研过程中，科学家对特征进行反复试验，寻求模型效果最好的特征集。所以会不断的重复多次[特征设计](#2.3-特征设计)->[离线特征抽取](#2.4-离线特征抽取)->[模型训练](#2.5-模型训练)过程，并不断调整特征以达到预期效果。
+在实际的机器学习特征调研过程中，科学家对特征进行反复试验，寻求模型效果最好的特征集。所以会不断地重复多次“特征设计->离线特征抽取->模型训练”过程，并不断调整特征以达到预期效果。
 
-### 2.4 离线特征抽取
+### 步骤 4：离线特征抽取
 
-用户在离线模式下，进行特征抽取，并将特征结果输出到`/tmp/feature_data`目录下保存，以供后续的模型训练。 `SELECT` 命令对应了基于上述特征设计所产生的 SQL 特征计算脚本。以下命令均在 OpenMLDB CLI 下执行。
+用户在离线模式下，进行特征抽取，并将特征结果输出到 `/tmp/feature_data` 目录下保存，以供后续的模型训练。 `SELECT` 命令对应了基于上述特征设计所产生的 SQL 特征计算脚本。
 
 ```sql
-> USE demo_db;
-> SET @@execute_mode='offline';
-> SELECT trip_duration, passenger_count,
+--OpenMLDB CLI
+USE demo_db;
+SET @@execute_mode='offline';
+SELECT trip_duration, passenger_count,
 sum(pickup_latitude) OVER w AS vendor_sum_pl,
 max(pickup_latitude) OVER w AS vendor_max_pl,
 min(pickup_latitude) OVER w AS vendor_min_pl,
@@ -118,74 +118,83 @@ w2 AS (PARTITION BY passenger_count ORDER BY pickup_datetime ROWS_RANGE BETWEEN
 ```
 
 ```{note}
-注意，集群版 `SELECT INTO` 为非阻塞任务，可以使用命令 `SHOW JOBS` 查看任务运行状态，请等待任务运行成功（ `state` 转至 `FINISHED` 状态），再进行下一步操作 。
+`SELECT INTO` 为异步任务，请使用命令 `SHOW JOBS` 查看任务运行状态，等待任务运行成功（ `state` 转至 `FINISHED` 状态），再进行下一步操作 。
 ```
 
-### 2.5 模型训练
+### 步骤 5：模型训练
 
 1. 模型训练不在 OpenMLDB 内完成，因此首先通过以下 `quit` 命令退出 OpenMLDB CLI。
 
-```
-> quit
-```
+    ```
+    quit;
+    ```
 
-2. 在普通命令行下，执行 train.py(`/work/taxi-trip`目录中)，使用开源训练工具 `lightgbm` 基于上一步生成的离线特征表进行模型训练，训练结果存放在 `/tmp/model.txt`中。
+2. 在普通命令行下，执行 train.py（`/work/taxi-trip` 目录中），使用开源训练工具 `LightGBM` 基于上一步生成的离线特征表进行模型训练，训练结果存放在 `/tmp/model.txt` 中。
 
-```bash
-python3 train.py /tmp/feature_data /tmp/model.txt
-```
-### 2.6 特征抽取SQL脚本上线
+    ```bash
+    python3 train.py /tmp/feature_data /tmp/model.txt
+    ```
+
+### 步骤 6：特征抽取 SQL 脚本上线
 
-假定[2.3节中所设计的特征](#2.3-特征设计)在上一步的模型训练中产出的模型符合预期，那么下一步就是将该特征抽取SQL脚本部署到线上去，以提供在线的特征抽取。
+假定[步骤 3 所设计的特征](#步骤-3特征设计)在上一步的模型训练中产出的模型符合预期，那么下一步就是将该特征抽取 SQL 脚本部署到线上去，以提供在线特征抽取服务。
 
-1. 重新启动 OpenMLDB CLI，以进行 SQL 上线部署
+1. 重新启动 OpenMLDB CLI，以进行 SQL 上线部署：
 
    ```bash
    /work/openmldb/bin/openmldb --zk_cluster=127.0.0.1:2181 --zk_root_path=/openmldb --role=sql_client
    ```
 
-2. 执行上线部署，以下命令在 OpenMLDB CLI 内执行。
+2. 执行上线部署：
+
+    ```sql
+    --OpenMLDB CLI
+    USE demo_db;
+    SET @@execute_mode='online';
+    DEPLOY demo SELECT trip_duration, passenger_count,
+    sum(pickup_latitude) OVER w AS vendor_sum_pl,
+    max(pickup_latitude) OVER w AS vendor_max_pl,
+    min(pickup_latitude) OVER w AS vendor_min_pl,
+    avg(pickup_latitude) OVER w AS vendor_avg_pl,
+    sum(pickup_latitude) OVER w2 AS pc_sum_pl,
+    max(pickup_latitude) OVER w2 AS pc_max_pl,
+    min(pickup_latitude) OVER w2 AS pc_min_pl,
+    avg(pickup_latitude) OVER w2 AS pc_avg_pl,
+    count(vendor_id) OVER w2 AS pc_cnt,
+    count(vendor_id) OVER w AS vendor_cnt
+    FROM t1
+    WINDOW w AS (PARTITION BY vendor_id ORDER BY pickup_datetime ROWS_RANGE BETWEEN 1d PRECEDING AND CURRENT ROW),
+    w2 AS (PARTITION BY passenger_count ORDER BY pickup_datetime ROWS_RANGE BETWEEN 1d PRECEDING AND CURRENT ROW);
+    ```
+
+### 步骤 7：导入在线数据
+
+首先，请切换到**在线**执行模式。接着在在线模式下，导入样例数据 `/work/taxi-trip/data/taxi_tour_table_train_simple.csv` 作为在线数据，用于在线特征计算。
 
 ```sql
-> USE demo_db;
-> SET @@execute_mode='online';
-> DEPLOY demo SELECT trip_duration, passenger_count,
-sum(pickup_latitude) OVER w AS vendor_sum_pl,
-max(pickup_latitude) OVER w AS vendor_max_pl,
-min(pickup_latitude) OVER w AS vendor_min_pl,
-avg(pickup_latitude) OVER w AS vendor_avg_pl,
-sum(pickup_latitude) OVER w2 AS pc_sum_pl,
-max(pickup_latitude) OVER w2 AS pc_max_pl,
-min(pickup_latitude) OVER w2 AS pc_min_pl,
-avg(pickup_latitude) OVER w2 AS pc_avg_pl,
-count(vendor_id) OVER w2 AS pc_cnt,
-count(vendor_id) OVER w AS vendor_cnt
-FROM t1
-WINDOW w AS (PARTITION BY vendor_id ORDER BY pickup_datetime ROWS_RANGE BETWEEN 1d PRECEDING AND CURRENT ROW),
-w2 AS (PARTITION BY passenger_count ORDER BY pickup_datetime ROWS_RANGE BETWEEN 1d PRECEDING AND CURRENT ROW);
+--OpenMLDB CLI
+USE demo_db;
+SET @@execute_mode='online';
+LOAD DATA INFILE 'file:///work/taxi-trip/data/taxi_tour_table_train_simple.csv' INTO TABLE t1 options(format='csv', header=true, mode='append');
 ```
-### 2.7 在线数据准备
-
-首先，请切换到**在线**执行模式。接着在在线模式下，导入样例数据 `/work/taxi-trip/data/taxi_tour_table_train_simple.csv` 作为在线数据，用于在线特征计算。以下命令均在 OpenMLDB CLI 下执行。
 
-```sql
-> USE demo_db;
-> SET @@execute_mode='online';
-> LOAD DATA INFILE 'file:///work/taxi-trip/data/taxi_tour_table_train_simple.csv' INTO TABLE t1 options(format='csv', header=true, mode='append');
-```
 ```{note}
-注意，集群版 `LOAD DATA` 为非阻塞任务，可以使用命令 `SHOW JOBS` 查看任务运行状态，请等待任务运行成功（ `state` 转至 `FINISHED` 状态），再进行下一步操作 。
+`LOAD DATA` 为异步任务，请使用命令 `SHOW JOBS` 查看任务运行状态，等待任务运行成功（ `state` 转至 `FINISHED` 状态），再进行下一步操作。
 ```
 
-### 2.8 启动预估服务
+### 步骤 8：启动预估服务
 
-1. 如果尚未退出 OpenMLDB CLI，请使用 `quit` 命令退出 OpenMLDB CLI。
+1. 如果尚未退出 OpenMLDB CLI，先退出 OpenMLDB CLI。
+
+    ```
+    quit;
+    ```
 2. 在普通命令行下启动预估服务：
 
-```bash
-./start_predict_server.sh 127.0.0.1:9080 /tmp/model.txt
-```
-### 2.9 发送预估请求
+    ```bash
+    ./start_predict_server.sh 127.0.0.1:9080 /tmp/model.txt
+    ```
+### 步骤 9：发送预估请求
 
 在普通命令行下执行内置的 `predict.py` 脚本。该脚本发送一行请求数据到预估服务，接收返回的预估结果，并打印出来。