AI Translate 07-aggregate-functions to Simplified-Chinese (#2819)

* [INIT] Start translation to Simplified-Chinese

* 🌐 Translate aggregate-any-value.md to Simplified-Chinese

* 🌐 Translate aggregate-any-value.md to Simplified-Chinese

---------

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: github-actions[bot]

.translation-init

@@ -1 +1 @@
-Translation initialization: 2025-09-26T04:21:21.696179
+Translation initialization: 2025-09-26T11:18:50.025523

docs/cn/sql-reference/20-sql-functions/07-aggregate-functions/aggregate-any-value.md

@@ -0,0 +1,79 @@
+---
+title: ANY_VALUE
+---
+import FunctionDescription from '@site/src/components/FunctionDescription';
+
+<FunctionDescription description="引入或更新于：v1.2.815"/>
+
+聚合函数。
+
+`ANY_VALUE()` 函数从输入表达式中返回一个任意的非 NULL 值。当需要在 `GROUP BY` 查询中选择一个既未分组也未聚合的列时，可以使用此函数。
+
+> **别名：** `ANY()` 返回与 `ANY_VALUE()` 相同的结果，为保持兼容性而保留。
+
+## 语法
+
+```sql
+ANY_VALUE(<expr>)
+```
+
+## 参数
+
+| 参数 | 说明 |
+|-----------|----------------|
+| `<expr>` | 任意表达式 |
+
+## 返回类型
+
+`<expr>` 的类型。如果所有值都为 NULL，则返回值为 NULL。
+
+:::note
+- `ANY_VALUE()` 是非确定性的，每次执行可能会返回不同的值。
+- 为了获得可预测的结果，请改用 `MIN()` 或 `MAX()`。
+:::
+
+## 示例
+
+**示例数据：**
+```sql
+CREATE TABLE sales (
+  region VARCHAR,
+  manager VARCHAR,
+  sales_amount DECIMAL(10, 2)
+);
+
+INSERT INTO sales VALUES
+  ('North', 'Alice', 15000.00),
+  ('North', 'Alice', 12000.00),
+  ('South', 'Bob', 20000.00);
+```
+
+**问题：** 此查询会失败，因为 `manager` 不在 GROUP BY 子句中：
+```sql
+SELECT region, manager, SUM(sales_amount)  -- ❌ 错误
+FROM sales GROUP BY region;
+```
+
+**旧方法：** 将 `manager` 添加到 GROUP BY 中，但这会创建比所需更多的分组，从而影响性能：
+```sql
+SELECT region, manager, SUM(sales_amount)
+FROM sales GROUP BY region, manager;  -- ❌ 因额外分组导致性能不佳
+```
+
+**更好的解决方案：** 使用 `ANY_VALUE()` 来选择 manager：
+```sql
+SELECT
+  region,
+  ANY_VALUE(manager) AS manager,  -- ✅ 可行
+  SUM(sales_amount) AS total_sales
+FROM sales
+GROUP BY region;
+```
+
+**结果：**
+```text
+| region | manager | total_sales |
+|--------|---------|-------------|
+| North  | Alice   | 27000.00    |
+| South  | Bob     | 20000.00    |
+```

docs/cn/sql-reference/20-sql-functions/07-aggregate-functions/index.md

@@ -1,29 +1,29 @@
 ---
-title: '聚合函数（Aggregate Functions）'
+title: '聚合函数'
 ---
 
-本页面全面概述了 Databend 中的聚合函数，按功能分类以便参考。
+本页面按功能分类，全面概述了 Databend 中的聚合函数，便于快速查阅。
 
-## 基础聚合
+## 基本聚合
 
 | 函数 | 描述 | 示例 |
 |----------|-------------|---------|
-| [COUNT](aggregate-count.md) | 计算行数或非空值的数量 | `COUNT(*)` → `10` |
+| [COUNT](aggregate-count.md) | 计算行数或非 NULL 值的数量 | `COUNT(*)` → `10` |
 | [COUNT_DISTINCT](aggregate-count-distinct.md) | 计算不同值的数量 | `COUNT(DISTINCT city)` → `5` |
 | [APPROX_COUNT_DISTINCT](aggregate-approx-count-distinct.md) | 近似计算不同值的数量 | `APPROX_COUNT_DISTINCT(user_id)` → `9955` |
 | [SUM](aggregate-sum.md) | 计算值的总和 | `SUM(sales)` → `1250.75` |
 | [AVG](aggregate-avg.md) | 计算值的平均值 | `AVG(temperature)` → `72.5` |
 | [MIN](aggregate-min.md) | 返回最小值 | `MIN(price)` → `9.99` |
 | [MAX](aggregate-max.md) | 返回最大值 | `MAX(price)` → `99.99` |
-| [ANY](aggregate-any.md) | 返回组中的任意一个值 | `ANY(status)` → `'active'` |
+| [ANY_VALUE](aggregate-any-value.md) | 从分组中返回任意一个值 | `ANY_VALUE(status)` → `'active'` |
 
 ## 条件聚合
 
 | 函数 | 描述 | 示例 |
 |----------|-------------|---------|
 | [COUNT_IF](aggregate-count-if.md) | 计算满足条件的行数 | `COUNT_IF(price > 100)` → `5` |
 | [SUM_IF](aggregate-sum-if.md) | 对满足条件的值求和 | `SUM_IF(amount, status = 'completed')` → `750.25` |
-| [AVG_IF](aggregate-avg-if.md) | 对满足条件的值求平均值 | `AVG_IF(score, passed = true)` → `85.6` |
+| [AVG_IF](aggregate-avg-if.md) | 对满足条件的值求平均 | `AVG_IF(score, passed = true)` → `85.6` |
 | [MIN_IF](aggregate-min-if.md) | 返回条件为真时的最小值 | `MIN_IF(temp, location = 'outside')` → `45.2` |
 | [MAX_IF](aggregate-max-if.md) | 返回条件为真时的最大值 | `MAX_IF(speed, vehicle = 'car')` → `120.5` |
 
@@ -37,29 +37,29 @@ title: '聚合函数（Aggregate Functions）'
 | [STDDEV_SAMP](aggregate-stddev-samp.md) | 样本标准差 | `STDDEV_SAMP(height)` → `3.5` |
 | [COVAR_POP](aggregate-covar-pop.md) | 总体协方差 | `COVAR_POP(x, y)` → `2.5` |
 | [COVAR_SAMP](aggregate-covar-samp.md) | 样本协方差 | `COVAR_SAMP(x, y)` → `2.7` |
-| [KURTOSIS](aggregate-kurtosis.md) | 测量分布的峰度 | `KURTOSIS(values)` → `2.1` |
-| [SKEWNESS](aggregate-skewness.md) | 测量分布的偏度 | `SKEWNESS(values)` → `0.2` |
+| [KURTOSIS](aggregate-kurtosis.md) | 衡量分布的峰度 | `KURTOSIS(values)` → `2.1` |
+| [SKEWNESS](aggregate-skewness.md) | 衡量分布的偏度 | `SKEWNESS(values)` → `0.2` |
 
-## 百分位数和分布
+## 百分位数与分布
 
 | 函数 | 描述 | 示例 |
 |----------|-------------|---------|
 | [MEDIAN](aggregate-median.md) | 计算中位数 | `MEDIAN(response_time)` → `125` |
-| [MODE](aggregate-mode.md) | 返回最频繁的值 | `MODE(category)` → `'electronics'` |
+| [MODE](aggregate-mode.md) | 返回最频繁出现的值 | `MODE(category)` → `'electronics'` |
 | [QUANTILE_CONT](aggregate-quantile-cont.md) | 连续插值分位数 | `QUANTILE_CONT(0.95)(response_time)` → `350.5` |
 | [QUANTILE_DISC](aggregate-quantile-disc.md) | 离散分位数 | `QUANTILE_DISC(0.5)(age)` → `35` |
-| [QUANTILE_TDIGEST](aggregate-quantile-tdigest.md) | 使用 t-digest 的近似分位数 | `QUANTILE_TDIGEST(0.9)(values)` → `95.2` |
+| [QUANTILE_TDIGEST](aggregate-quantile-tdigest.md) | 使用 t-digest 算法近似计算分位数 | `QUANTILE_TDIGEST(0.9)(values)` → `95.2` |
 | [QUANTILE_TDIGEST_WEIGHTED](aggregate-quantile-tdigest-weighted.md) | 加权 t-digest 分位数 | `QUANTILE_TDIGEST_WEIGHTED(0.5)(values, weights)` → `50.5` |
-| [MEDIAN_TDIGEST](aggregate-median-tdigest.md) | 使用 t-digest 的近似中位数 | `MEDIAN_TDIGEST(response_time)` → `124.5` |
-| [HISTOGRAM](aggregate-histogram.md) | 创建直方图桶 | `HISTOGRAM(10)(values)` → `[{...}]` |
+| [MEDIAN_TDIGEST](aggregate-median-tdigest.md) | 使用 t-digest 算法近似计算中位数 | `MEDIAN_TDIGEST(response_time)` → `124.5` |
+| [HISTOGRAM](aggregate-histogram.md) | 创建直方图分桶 | `HISTOGRAM(10)(values)` → `[{...}]` |
 
-## 数组和集合聚合
+## 数组与集合聚合
 
 | 函数 | 描述 | 示例 |
 |----------|-------------|---------|
-| [ARRAY_AGG](aggregate-array-agg.md) | 将值收集到数组中 | `ARRAY_AGG(product)` → `['A', 'B', 'C']` |
-| [GROUP_ARRAY_MOVING_AVG](aggregate-group-array-moving-avg.md) | 数组上的移动平均 | `GROUP_ARRAY_MOVING_AVG(3)(values)` → `[null, null, 3.0, 6.0, 9.0]` |
-| [GROUP_ARRAY_MOVING_SUM](aggregate-group-array-moving-sum.md) | 数组上的移动总和 | `GROUP_ARRAY_MOVING_SUM(2)(values)` → `[null, 3, 7, 11, 15]` |
+| [ARRAY_AGG](aggregate-array-agg.md) | 将值收集到一个数组中 | `ARRAY_AGG(product)` → `['A', 'B', 'C']` |
+| [GROUP_ARRAY_MOVING_AVG](aggregate-group-array-moving-avg.md) | 计算数组的移动平均值 | `GROUP_ARRAY_MOVING_AVG(3)(values)` → `[null, null, 3.0, 6.0, 9.0]` |
+| [GROUP_ARRAY_MOVING_SUM](aggregate-group-array-moving-sum.md) | 计算数组的移动总和 | `GROUP_ARRAY_MOVING_SUM(2)(values)` → `[null, 3, 7, 11, 15]` |
 
 ## 字符串聚合
 
@@ -80,8 +80,8 @@ title: '聚合函数（Aggregate Functions）'
 
 | 函数 | 描述 | 示例 |
 |----------|-------------|---------|
-| [ARG_MAX](aggregate-arg-max.md) | 返回 expr2 最大时对应的 expr1 值 | `ARG_MAX(name, score)` → `'Alice'` |
-| [ARG_MIN](aggregate-arg-min.md) | 返回 expr2 最小时对应的 expr1 值 | `ARG_MIN(name, score)` → `'Charlie'` |
+| [ARG_MAX](aggregate-arg-max.md) | 返回 expr2 最大时 expr1 的值 | `ARG_MAX(name, score)` → `'Alice'` |
+| [ARG_MIN](aggregate-arg-min.md) | 返回 expr2 最小时 expr1 的值 | `ARG_MIN(name, score)` → `'Charlie'` |
 
 ## 漏斗分析