RollsBean commented on a change in pull request #16490:
URL: https://github.com/apache/flink/pull/16490#discussion_r672394466
##########
File path: docs/content.zh/docs/dev/datastream/fault-tolerance/state.md
##########
@@ -27,18 +27,18 @@ under the License.
# 带有状态的处理
-在本节中，你可以了解 Flink 提供的为有状态编程开发的的 API。 请查看 [Stateful Stream
-Processing]({{< ref "docs/concepts/stateful-stream-processing"
>}})，以便了解有状态流处理的概念。
+在本节中，你可以了解到 Flink 提供的为有状态编程开发的的 APIs。如果你想了解有状态流处理的概念，请查看 [Stateful Stream
+Processing]({{< ref "docs/concepts/stateful-stream-processing" >}})。
## Keyed DataStream
-如果要使用 keyed state ，首先需要在 `DataStream` 中指定用于为状态（以及流本身中的记录）分区的 key 。你可以在
`DataStream` 上使用 Java/Scala API 中的 `keyby(Keyselector)` 或 Python API 中的
`key_by(Keyselector)` 指定 key 。然后这样会产生一个 `KeyedStream` ，支持使用 keyed state 的操作。
+如果你想使用 keyed state ，首先需要在 `DataStream` 中指定用于为状态（以及流本身中的记录）分区的 key 。你可以在
`DataStream` 上使用 Java/Scala API 中的 `keyby(Keyselector)` 或 Python API 中的
`key_by(Keyselector)` 指定 key 。然后这样会产生一个支持使用 keyed state 操作的 `KeyedStream`。
-一个 key 选择器将单个记录作为输入并返回记录的 key 。这个 key 可以是任意类型的，并且**必须**取自确定计算结果。
+key 选择器将单个记录作为输入并返回记录的 key。这个 key 可以是任意类型的，并且**必须**取自确定计算结果。
-Flink 的数据模型并不是基于键值对的。因此，不需要将数据集类型硬性地包装为键值对。这里的 keys 是“虚拟”的：keys
可以理解为真实数据上的函数，用于分组算子计算。
+Flink 的数据模型并不是基于键值对的。因此，不需要将数据集类型硬性地包装为键值对。这里的 keys 是"虚拟"的：keys
可以理解为真实数据上的函数，用于分组算子计算。
Review comment:
“虚拟”，中文里面使用中文标点符号
--
This is an automated message from the Apache Git Service.
To respond to the message, please log on to GitHub and use the
URL above to go to the specific comment.
To unsubscribe, e-mail: [email protected]
For queries about this service, please contact Infrastructure at:
[email protected]
