improve translate

introduction/comparison.md

@@ -1,27 +1,31 @@
 ## 监控系统产品比较
 ### Prometheus vs. Graphite
 #### 范围
-Graphite专注于查询语言和图表特征的时间序列数据库。其他需求都需要依赖外部组件实现。
+Graphite专注于查询语言和图表特征的时间序列数据库。其他都需要依赖外部组件实现。
 
-Prometheus是一个基于时间序列数据的完整监控系统和趋势系统，包括内置和主动抓取、存储、查询、图表和警告。它懂得监控系统和趋势系统应该是什么样的（哪些目标机应该存在，哪些时间序列模型存在问题等等），并积极地试着找出故障
+Prometheus是一个基于时间序列数据的完整监控系统和趋势系统，包括内置和主动抓取、存储、查询、图表展示和报警功能。它懂得监控系统和趋势系统应该是什么样的（哪些目标机应该存在，哪些时间序列模型存在问题等等），并积极地试着找出故障
 
 #### 数据模型
-Graphite和Prometheus一样，存储时间序列数值采样点。然而，Prometheus的元数据模型更加丰富：Graphite的度量指标名称是由隐式地编码多维度的点分隔命名的，而Prometheus的度量指标是可以自定义名称的，并以key-value键值对的标签，赋给度量指标。通过这些标签，我们使用Prometheus查询语言，可以方便地进行时间序列数据的过滤、分组、匹配操作。
+Graphite和Prometheus一样，存储时间序列数值样本。但是Prometheus的元数据模型更加丰富：Graphite的度量指标名称是由"."分隔符，隐式地编码多维度。而Prometheus度量指标是可以自定义名称的，并以key-value键值对的标签形式，成为度量指标的标签属性列表。并在此基础上，使用Prometheus查询语言可以轻松地进行过滤，分组和匹配操作。
 
 进一步地，当Graphite与StatsD结合使用时，Graphite就只是对一个聚合数据的存储系统了，而不是把目标实例作为一个维度，并深入分析目标实例出现的各种问题。
 
-例如：我们用Graphite/StatsD监控系统存储api-server服务Http请求的数量，前置条件包括：返回码是`500`，请求方法是`POST`，访问URL为`/tracks` , 度量指标自动隐式地编码，如下所示：
-> stats.api-server.tracks.post.500 -> 93
+例如：我们用Graphite/StatsD统计HTTP请求api-server服务的数量，前置条件：返回码是`500`，请求方法是`POST`，访问URL为`/tracks` , key如下所示：
+```
+stats.api-server.tracks.post.500 -> 93
+```
 
 但是在Prometheus中同样的数据存储可能像下面一样(假设有三个api-server)：
-> api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample1>"} -> 34
-> api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample2>"} -> 28
-> api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample3>"} -> 31
+```
+api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample1>"} -> 34
+api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample2>"} -> 28
+api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample3>"} -> 31
+```
 
 由上可以看到，三个api-server各自的度量指标数据，Prometheus把api-server也作为了一个维度，便于分析api-server服务出现的各种问题
 
 #### 存储
-Graphite存储以[Whisper](http://graphite.readthedocs.org/en/latest/whisper.html)把时间序列数据存储到本地磁盘，这种数据存储格式是RRD风格的数据库，它期望采样点定期地到达。 任何时间序列在一个单独的文件中存储，一段时间后新采集的样本会覆盖老数据
+Graphite存储以[Whisper](http://graphite.readthedocs.org/en/latest/whisper.html)方式把时间序列数据存储到本地磁盘，这种数据存储格式是RRD格式数据库，它期望样本能够定期到达。 任何时间序列在一个单独的文件中存储，一段时间后新采集的样本会覆盖老数据
 
 Prometheus也为每一个时间序列创建了一个本地文件，但是它允许时间序列以任意时间到达。新采集的样本被简单地追加到文件尾部，老数据可以任意长的时间保留。Prometheus对于短生命周期、且经常变化的时间序列集也可以表现得很好
 

introduction/install.md

@@ -1,40 +1,43 @@
 ## 安装
 ---
 ### 使用预编译二进制文件
-我们为大多数Prometheus的官方组件，提供了预编译二进制文件。可用版本[下载](https://prometheus.io/download)列表
+我们为Prometheus大多数的官方组件，提供了预编译二进制文件。可用版本[下载](https://prometheus.io/download)列表
 
 ### 源码安装
-对于源码安装Prometheus组件，可以查看`Makefile`目标文件。
+如果要从源码安装Prometheus的官方组件，可以查看各个项目源码目录下的`Makefile`
 > 注意点：在web上的文档指向最新的稳定版(不包括预发布版)。[下一个版本](https://github.com/prometheus/docs/compare/next-release)指向master分支还没有发布的版本
 
 ### Docker安装
-所有的Prometheus服务在Docker镜像[prom](https://hub.docker.com/u/prom/)仓库中，都是可用的
+所有Prometheus服务的Docker镜像在官方组织[prom](https://hub.docker.com/u/prom/)下，都是可用的
 
-在Docker上运行Prometheus服务，只需要简单地执行`docker run -p 9090:9090 prom/prometheus`即可。这条命令会启动Prometheus服务，使用的是默认配置文件，并暴露出web可以访问的9090端口
+在Docker上运行Prometheus服务，只需要简单地执行`docker run -p 9090:9090 prom/prometheus`命令行即可。这条命令会启动Prometheus服务，使用的是默认配置文件，并对外界暴露9090端口
 
-Prometheus镜像使用Volumn存储实际度量指标。在生产环境上使用[数据卷容器](https://docs.docker.com/engine/userguide/containers/dockervolumes/#creating-and-mounting-a-data-volume-container)模式达到轻松管理Prometheus升级数据的目的，它是被强烈推荐的 
+Prometheus镜像使用docker中的volumn卷存储实际度量指标。在生产环境上使用[容器卷](https://docs.docker.com/engine/userguide/containers/dockervolumes/#creating-and-mounting-a-data-volume-container)模式, 可以在Prometheus更新和升级时轻松管理Prometheus数据， 这种使用docker volumn卷方式存储数据，是被docker官方强烈推荐的.
 
-为了提供你自己的配置，这儿有几个选项。下面有两个例子。
+通过几个选项，可以达到使用自己的配置的目的。下面有两个例子。
 
 #### 卷&绑定挂载
-在运行Prometheus服务的主机上，绑定挂载你的prometheus.yml配置文件:
+在运行Prometheus服务的主机上，做一个本地到docker容器的配置文件关系映射。
 > docker run -p 9090:9090 -v /tmp/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus
 
-或者为这个配置文件使用另外的卷
-
+或者为这个配置文件使用一个独立的volumn
 > docker run -p 9090:9090 -v /prometheus-data \
        prom/prometheus -config.file=/prometheus-data/prometheus.yml
 
 #### 自定义镜像
-为了避免在主机绑定和挂载配置文件，配置直接打包到镜像中。如果配置是静态的，并且在所有环境中配置都是一样的话，这种把配置文件直接打包到镜像中的方式是非常直接推荐的。
-
-例如：在Prometheus配置和Dockerfile中，创建一个新目录：
-> FROM prom/prometheus
-> ADD prometheus.yml /etc/prometheus/
-
-现在编译和运行它：
-> docker build -t my-prometheus .
-> docker run -p 9090:9090 my-prometheus
+为了避免在主机上与docker映射配置文件，我们可以直接将配置文件拷贝到docker镜像中。如果Prometheus配置是静态的，并且在所有服务器上的配置相同，这种把配置文件直接拷贝到镜像中的方式是非常好的。
+
+例如：利用Dockerfile创建一个Prometheus配置目录， Dockerfile应该这样写：
+```
+FROM prom/prometheus
+ADD prometheus.yml /etc/prometheus/
+```
+
+然后编译和运行它：
+```
+docker build -t my-prometheus .
+docker run -p 9090:9090 my-prometheus
+```
 
 一个更高级的选项是可以通过一些工具动态地渲染配置，甚至后台定期地更新配置