fix typo

Observability/logging.md

@@ -45,10 +45,10 @@ Elasticsearch 能够在海量数据中迅速检索关键词，其关键技术之
 ```
 在检索时，条件“what”、“is” 和 “it” 将对应集合：$\{0, 1\}\cap\{0,1,2\}\cap\{0,1,2\} = \{0,1\}$。可以看出，**反向索引能够快速定位包含特定关键词的文档，而无需逐个扫描所有文档**。
 
-Elasticsearch 的另一项关键技术是“分片”（sharding）。每个分片相当于一个独立的 Lucene 实例，类似于一个完整的数据库。在文档写入时，Elasticsearch 会根据哈希函数（通常基于文档 ID）计算出文档所属的分片，从而将文档均匀分配到不同的分片；查询时，Elasticsearch 会并行地在多个分片上执行计算，并将结果聚合后返回给客户端，从而提高查询吞吐量。
+Elasticsearch 的另一项关键技术是“分片”（sharding）。每个分片相当于一个独立的 Lucene 实例，类似于一个完整的数据库。在文档（Elasticsearch 数据的基本单位）写入时，Elasticsearch 会根据哈希函数（通常基于文档 ID）计算出文档所属的分片，从而将文档均匀分配到不同的分片；查询时，多个分片并行计算，Elasticsearch 将结果聚合后再返回给客户端。
 
 为了追求极致的查询性能，Elasticsearch 也付出了以下代价：
-- **写入吞吐量下降**：文档写入需要进行分词和构建排序表等操作，这些都是 CPU 和内存密集型的，会导致写入性能下降。
+- **写入吞吐量下降**：文档写入需要进行分词、构建排序表等操作，这些都是 CPU 和内存密集型的，会导致写入性能下降。
 - **存储空间占用高**：Elasticsearch 不仅存储原始数据和反向索引，为了加速分析能力，可能还额外存储一份列式数据（Column-oriented Data）；其次，为了避免单点故障，Elasticsearch 会为每个分片创建一个或多个副本副本（Replica），这导致 Elasticsearch 会占用极大的存储空间。