rework introduction section

Signed-off-by: ekexium <[email protected]>

pipelined-dml.md

@@ -11,40 +11,25 @@ summary: Pipelined DML 增强了 TiDB 批量处理的能力，使得事务大小
 
 本文介绍 Pipelined DML 的使用场景、使用方法、使用限制和使用该功能的常见问题。
 
-Pipelined DML 是 TiDB 从 v8.0.0 开始引入的实验特性，用于优化大规模数据写入场景的性能。启用 Pipelined DML 后，当执行 DML 操作时，TiDB 会将相应的数据持续写入存储层，而不是全部缓存在内存中。这种方式就像流水线（Pipeline）一样，数据一边被读取（输入），一边被写入到存储层（输出），从而显著降低 DML 操作对内存的占用，提升大规模数据的写入性能。
+## 功能概述
 
-通过 Pipelined DML，你可以执行超大规模的 DML 操作而不必担心内存溢出问题。
+Pipelined DML 是 TiDB 从 v8.0.0 开始引入的实验特性，用于优化大规模数据写入场景的性能。启用 Pipelined DML 后，当执行 DML 操作时，TiDB 会将相应的数据持续写入存储层，而不是全部缓存在内存中。这种方式就像流水线（Pipeline）一样，数据一边被读取（输入），一边被写入到存储层（输出），从而解决了大规模 DML 操作的以下常见问题：
 
-## 使用场景
+- 内存限制：传统 DML 在处理大量数据时容易导致 OOM
+- 性能瓶颈：大事务执行效率低，容易引起系统负载波动
+- 操作限制：受限于 TiDB 内存总量，难以执行超大规模数据处理
 
-Pipelined DML 适用于以下场景：
+启用此功能后，你可以：
+- 执行不受 TiDB 内存限制的大规模数据操作
+- 获得更平稳的系统负载和更低的操作延迟
+- 将事务内存使用控制在可预测范围内（在 1 GiB 以内）
 
-- **大规模数据的迁移或归档**
+当你遇到以下情况时，建议考虑使用 Pipelined DML：
+- 需要处理数百万行及以上级别的数据写入
+- 执行 DML 时遇到内存不足错误
+- 大规模数据操作导致系统负载波动明显
 
-    例如，将历史数据从活跃表归档到归档表。
-
-- **批量数据的导入或更新**
-
-    例如，批量调整商品价格或更新用户状态。
-
-- **批量数据的删除**
-
-    例如，删除历史数据或清理过期数据。
-
-- **涉及大量数据的 ETL (Extract, Transform, Load) 数据处理**
-
-    例如，从多个数据源提取数据，进行必要的转换处理后，加载到目标数据库或数据仓库。
-
-- **大规模写入内存优化**
-
-    降低大规模数据写入操作对系统内存的占用。
-
-在这些场景中，Pipelined DML 具有以下优势：
-
-- 事务使用内存可控，事务大小不受 TiDB 内存总量限制。事务部分内存使用限制在 1 GiB 以内。
-- 有效处理数百万行数据的迁移，避免 OOM 问题。
-- 延迟更低，事务执行效率更高。
-- CPU 和 IO 负载更平滑。
+需要注意的是，虽然 Pipelined DML 显著降低了事务处理的内存需求，但执行大规模数据操作时仍需要合理的内存空间（建议至少 2 GiB）来支持执行器等其他模块的运行。
 
 ## 使用限制