update sql docs

docs/olap/01.OLAP概述.md

@@ -705,15 +705,15 @@ Mesa 为了解决上面提到的两个问题，提出了一个预聚合的存储
 由于视图中的数据是从基表中查询出来的，所以一旦基表中的数据发生改变，视图就会过期，所以视图中的数据也要发生改变。保持视图物化一直在最新状态的过程称为**物化视图维护（或者叫数据刷新）**，物化视图维护的策略大概有几种：
 
 - 每当数据变更时就进行视图物化（实时刷新）
-- 周期性的进行视图物化（定时任务来定期刷新）
-- 当需要访问视图时才进行视图物化（需要查询时才来计算）
+- 周期性的进行视图物化（定期刷新）
+- 当需要访问视图时才进行视图物化（延迟到需要查询时才来计算）
 
 
-物化视图，跟预聚合数据模型其实很类似，其本质都是**将用户定义的查询提前计算好，按用户要求自动刷新视图中的数据。**数据刷新的方式一般分为两种，**全量刷新**和**增量刷新**。
+物化视图，跟预聚合数据模型其实很类似，其本质都是**将用户定义的查询提前计算好，按用户要求自动刷新视图中的数据**，其视图数据刷新的方式一般分为两种：**全量刷新**和**增量刷新**。
 
-- 全量刷新每次重新运行SQL，将算好的新数据全量覆盖旧数据。
+- **全量刷新**每次重新运行SQL，将算好的新数据全量覆盖旧数据。
 
-- 增量刷新通过特定算法，每次只计算自上次刷新以来发生变化的数据部分，然后定向更新物化视图中的部分数据。
+- **增量刷新**通过特定算法，每次只计算自上次刷新以来发生变化的数据部分，然后定向更新物化视图中的部分数据。
 
 
 显然，增量刷新这种方法显著减少了刷新开销，可以更高频地更新。特别适用于大规模数据集或频繁更新的场景。
@@ -733,15 +733,22 @@ Mesa 为了解决上面提到的两个问题，提出了一个预聚合的存储
 
 - 对数据延迟要求高的秒级延迟需求。
 
+根据物化视图的更新周期，StarRocks支持两种类型的物化视图：**同步物化视图** 和 **异步物化视图**
 
 
-**物化视图查询改写**
 
-物化视图（Materialized View）的查询改写功能（Query Rewrite）
+
+
+**物化视图查询改写和透明加速**
+
+物化视图（Materialized View）的**查询改写**功能（Query Rewrite）
 
 这是 Oracle 数据库的一项核心优化技术，允许数据库优化器在执行用户查询时，自动将查询重写为对物化视图的访问，从而避免对基础表进行实时计算。
 
-优化器能够自动检测用户的查询，并尝试将其重写为对物化视图的访问。基本工作原理：**优化器会分析用户的查询，并将其与现有的物化视图进行匹配。如果匹配成功，优化器会生成一个新的查询计划，将用户的查询重写为对物化视图的访问。**
+优化器能够自动检测用户的查询，并尝试将其重写为对物化视图的访问。基本工作原理：**用户只需提交标准 SQL 查询，系统会自动选择最优的执行计划(优化器会分析用户的查询，并将其与现有的物化视图进行匹配。如果匹配成功，优化器会生成一个新的查询计划，将用户对原始基表的查询重写为对物化视图的访问)。这一过程对用户完全透明，以达到透明加速的效果**
+
+
+
 
 ```SQL
 
@@ -756,7 +763,9 @@ CREATE TABLE sales (
 CREATE MATERIALIZED VIEW mv_sales_summary
     BUILD IMMEDIATE
     REFRESH FAST ON COMMIT
-ENABLE QUERY REWRITE
+E
+
+NABLE QUERY REWRITE
 AS
 SELECT region, SUM(amount) AS total_sales
 FROM sales