Pre-releases v0.12.3rc1 (#276)(#277)(#278)(#279)

Author: wjsi

docs/source/base-instances.rst

@@ -61,7 +61,7 @@ Task如SQLTask是ODPS的基本计算单元，当一个Task在执行时会被实
 -------------
 
 一个instance的状态可以是 ``Running``、``Suspended`` 或者 ``Terminated``，用户可以通过
-:meth:`~odps.models.Instance.status` 属性来获取状态。:meth:`~odps.models.Instance.is_terminated`
+:attr:`~odps.models.Instance.status` 属性来获取状态。:meth:`~odps.models.Instance.is_terminated`
 方法返回当前instance是否已经执行完成，:meth:`~odps.models.Instance.is_successful`
 方法返回当前instance是否正确完成执行，任务处于运行中或者执行失败都会返回False。
 

docs/source/base-tables.rst

@@ -139,11 +139,11 @@ PyODPS 0.11.5 及后续版本中，可以为 :meth:`~odps.ODPS.list_tables` 添
    >>> table = o.create_table('my_new_table', 'cat smallint, content struct<title:varchar(100), body string>')
 
 :meth:`~odps.ODPS.create_table` 方法也提供了其他参数，可用于设置表属性及事务性等参数。例如，下面的调用创建了一张
-ACID 2.0 表并指定 ``key`` 为主键。
+ACID 2.0 表并指定 ``key`` 为主键（``key``必须指定为非空）。
 
 .. code-block:: python
 
-   >>> table = o.create_table('my_trans_table', 'key string, value string',
+   >>> table = o.create_table('my_trans_table', 'key string not null, value string',
    >>>                        primary_key=['key'], transactional=True)
 
 
@@ -324,12 +324,13 @@ DataFrame，并通过 ``batch_size`` 参数指定每次读取的 DataFrame 批
 
 .. note::
 
-    **注意**\ ：每次调用 write_table，MaxCompute 都会在服务端生成一个文件。这一操作需要较大的时间开销，\
-    同时过多的文件会降低后续的查询效率。因此，我们建议在使用 write_table 方法时，一次性写入多组数据，\
-    或者传入一个 generator 对象。
+    **注意**\ ：每次调用 :meth:`~odps.ODPS.write_table`，MaxCompute 都会在服务端生成一个文件。\
+    这一操作需要较大的时间开销，同时过多的文件会降低后续的查询效率。因此，我们建议在使用
+    :meth:`~odps.ODPS.write_table` 方法时，一次性写入多组数据，或者传入一个 generator 对象。
 
-    write_table 写表时会追加到原有数据。如果需要覆盖数据，可以为 write_table 增加一个参数 ``overwrite=True``
-    （仅在 0.11.1 以后支持），或者调用 table.truncate() / 删除分区后再建立分区。
+    :meth:`~odps.ODPS.write_table` 写表时会追加到原有数据。如果需要覆盖数据，可以为 :meth:`~odps.ODPS.write_table`
+    增加一个参数 ``overwrite=True``（仅在 0.11.1 以后支持），或者调用 :meth:`Table.truncate() <odps.models.Table.truncate>`
+    / 删除分区后再建立分区。
 
 你可以使用多线程写入数据。从 PyODPS 0.11.6 开始，直接将 open_writer 创建的 Writer 对象分发到\
 各个线程中即可完成多线程写入，写入时请注意不要关闭 writer，待所有数据写入完成后再关闭 writer。
@@ -393,8 +394,8 @@ open_writer 创建的 Writer 对象通过 multiprocessing 标准库传递到需
             # 等待子进程中的执行完成
             [f.get() for f in futures]
 
-从 0.11.2 开始，PyODPS 支持使用 `Arrow <https://arrow.apache.org/>`_ 格式读写数据，该格式可以以更高\
-效率与 pandas 等格式互相转换。安装 pyarrow 后，在调用 ``open_writer`` 时增加 ``arrow=True`` 参数，即可按
+从 0.11.2 开始，PyODPS 支持使用 `Arrow <https://arrow.apache.org/>`_ 格式读写数据，该格式可以以更高效率与
+pandas 等格式互相转换。安装 pyarrow 后，在调用 ``open_writer`` 时增加 ``arrow=True`` 参数，即可按
 `Arrow RecordBatch <https://arrow.apache.org/docs/python/data.html#record-batches>`_
 格式写入表内容。PyODPS 也支持直接写入 pandas DataFrame，支持自动转换为 Arrow RecordBatch。
 

docs/source/base-types.rst

@@ -23,7 +23,7 @@ PyODPS 对 MaxCompute 中的类型支持实现于 ``odps.types`` 包中。所有
 通过字符串指定类型实例
 ~~~~~~~~~~~~~~~~~~~~~~
 
-通常情况下，在 PyODPS 中，你都可以直接用 MaxCompute DDL 中表示类型的字符串来表示类型，这避免了\
+通常情况下，在 PyODPS 中，你都可以直接用 MaxCompute DDL 中表示类型的字符串来表示类型，这可以避免\
 了解类型的实现细节。例如，当我们创建一个列实例，可以直接传入 ``array<int>`` 代表一个32位整数数组，\
 而不需要关心使用哪个类去实现：
 
@@ -37,7 +37,7 @@ PyODPS 对 MaxCompute 中的类型支持实现于 ``odps.types`` 包中。所有
     >>> print(type(column.type.value_type))
     <class 'odps.types.Int'>
 
-如果需要，你可以使用 :class:`odps.types.validate_data_type` 函数获取字符串表示的 MaxCompute 类型实例。
+如果需要，你可以使用 :func:`~odps.types.validate_data_type` 函数获取字符串表示的 MaxCompute 类型实例。
 
 .. code-block:: python
 
@@ -194,7 +194,8 @@ MaxCompute 支持的复合类型有 Array、Map 和 Struct，可通过构造函
      pt      string      # the partition
    }
 
-第二种方法是使用 ``TableSchema.from_lists`` 方法。这种方法更容易调用，但无法直接设置列和分区的注释。
+第二种方法是使用 :meth:`TableSchema.from_lists() <odps.models.TableSchema.from_lists>`
+方法。这种方法更容易调用，但无法直接设置列和分区的注释。
 
 .. code-block:: python
 
@@ -213,9 +214,10 @@ MaxCompute 支持的复合类型有 Array、Map 和 Struct，可通过构造函
      pt      string
    }
 
-你可以从 ``TableSchema`` 实例中获取表的一般字段和分区字段。\ ``simple_columns`` 和 ``partitions``
-属性分别指代一般列和分区列，而 ``columns`` 属性则指代所有字段。这三个属性的返回值均为 :class:`~odps.types.Column`
-或 :class:`~odps.types.Partition` 类型组成的列表。你也可以通过 ``names`` 和 ``types`` 属性分别获取非分区字段的名称和类型。
+你可以从 :class:`~odps.models.TableSchema` 实例中获取表的一般字段和分区字段。\ :attr:`~odps.models.TableSchema.simple_columns`
+和 :attr:`~odps.models.TableSchema.partitions` 属性分别指代一般列和分区列，而 :attr:`~odps.models.TableSchema.columns`
+属性则指代所有字段。这三个属性的返回值均为 :class:`~odps.types.Column` 或 :class:`~odps.types.Partition` 类型组成的列表。\
+你也可以通过 ``names`` 和 ``types`` 属性分别获取非分区字段的名称和类型。
 
 .. code-block:: python
 
@@ -242,9 +244,9 @@ MaxCompute 支持的复合类型有 Array、Map 和 Struct，可通过构造函
    >>> print(schema.types)  # 获取非分区字段的字段类型
    [bigint, double]
 
-在使用 ``TableSchema`` 时，:class:`~odps.types.Column` 和 :class:`~odps.types.Partition` 类型分别用于表示\
-表的字段和分区。你可以通过字段名和类型创建 ``Column`` 实例，也可以同时指定列注释以及字段是否可以为空。你也可以通过相应\
-的字段获取字段的名称、类型等属性，其中类型为:ref:`数据类型 <data_types>`中的类型实例。
+在使用 :class:`~odps.models.TableSchema` 时，:class:`~odps.types.Column` 和 :class:`~odps.types.Partition`
+类型分别用于表示表的字段和分区。你可以通过字段名和类型创建 :class:`~odps.types.Column` 实例，也可以同时指定列注释以及字段是否可以为空。\
+你也可以通过相应的字段获取字段的名称、类型等属性，其中类型为:ref:`数据类型 <data_types>`中的类型实例。
 
 .. code-block:: python
 
@@ -264,14 +266,18 @@ MaxCompute 支持的复合类型有 Array、Map 和 Struct，可通过构造函
     >>> print(col.nullable)
     False
 
-相比 ``Column`` 类型，\ ``Partition`` 类型仅仅是类名有差异，此处不再介绍。
+相比 :class:`~odps.types.Column` 类型，\ :class:`~odps.types.Partition` 类型仅仅是类名有差异，此处不再介绍。
 
 .. _record-type:
 
 行记录（Record）
 ----------------
-:class:`~odps.models.Record` 类型表示表的一行记录，为 ``Table.open_reader`` / ``Table.open_writer`` 当 ``arrow=False``
-时所使用的数据结构，也用于 ``TableDownloadSession.open_record_reader`` / ``TableUploadSession.open_record_writer`` 。\
+:class:`~odps.models.Record` 类型表示表的一行记录，为
+:meth:`Table.open_reader() <odps.models.Table.open_reader>` /
+:meth:`Table.open_reader() <odps.models.Table.open_writer>` 当 ``arrow=False``
+时所使用的数据结构，也用于
+:meth:`TableDownloadSession.open_record_reader() <odps.tunnel.TableDownloadSession.open_record_reader>` /
+:meth:`TableUploadSession.open_record_writer() <odps.tunnel.TableUploadSession.open_record_writer>` 。\
 我们在 Table 对象上调用 new_record 就可以创建一个新的 Record。
 
 下面的例子中，假定表结构为

docs/source/locale/en/LC_MESSAGES/base-instances.po

@@ -8,7 +8,7 @@ msgid ""
 msgstr ""
 "Project-Id-Version: PyODPS 0.7.16\n"
 "Report-Msgid-Bugs-To: \n"
-"POT-Creation-Date: 2025-04-17 11:44+0800\n"
+"POT-Creation-Date: 2025-04-19 21:33+0800\n"
 "PO-Revision-Date: YEAR-MO-DA HO:MI+ZONE\n"
 "Last-Translator: FULL NAME <EMAIL@ADDRESS>\n"
 "Language-Team: LANGUAGE <[email protected]>\n"
@@ -133,14 +133,14 @@ msgstr "Instance status"
 #: ../../source/base-instances.rst:63
 msgid ""
 "一个instance的状态可以是 ``Running``、``Suspended`` 或者 ``Terminated``，"
-"用户可以通过 :meth:`~odps.models.Instance.status` 属性来获取状态。:meth:`"
+"用户可以通过 :attr:`~odps.models.Instance.status` 属性来获取状态。:meth:`"
 "~odps.models.Instance.is_terminated` 方法返回当前instance是否已经执行完成"
 "，:meth:`~odps.models.Instance.is_successful` 方法返回当前instance是否"
 "正确完成执行，任务处于运行中或者执行失败都会返回False。"
 msgstr ""
 "The status of an instance can be ``Running``, ``Suspended`` or "
 "``Terminated``. You can retrieve the status of an instance by using the "
-":meth:`~odps.models.Instance.status` attribute. The "
+":attr:`~odps.models.Instance.status` attribute. The "
 ":meth:`~odps.models.Instance.is_terminated` method returns whether the "
 "execution of the current instance has been completed. The "
 ":meth:`~odps.models.Instance.is_successful` method returns whether the "