运维知识库

从 Pending、CrashLoopBackOff 与探针失败入手，串联事件、容器日志和资源状态，建立 Kubernetes 故障排查的证据链。

围绕 SSH 访问、监听端口、账号权限与安全更新开展 Linux 基线检查，形成可追踪的整改、验收和恢复记录。

结合复制线程、GTID、事务积压与资源指标分析 MySQL 复制延迟，区分接收异常、回放瓶颈和监控误判。

使用 HDFS 报告和指定路径检查，识别 DataNode 容量倾斜、副本不足与文件损坏，记录 Hadoop 集群的日常健康基线。

规划 Fluent Bit、Elasticsearch 与 Kibana 的日志链路，明确字段、缓冲、保留周期和权限，并设计丢失与重复检测。

理解 Redis Sentinel 的主观下线、客观下线、quorum 与多数授权，检查故障域分布、客户端发现及异步复制边界。

从探测点网络、健康检查规则、通知演练和 data 目录备份出发，验收 Uptime Kuma 是否真能发现故障并安全展示状态页。

围绕共同快照、业务键、时区、NULL、金额精度与维表版本建立跨引擎对账，避免用总额相等掩盖重复、遗漏和口径差异。

理解 ClickHouse 插入触发与目标表聚合，通过明确切点、隔离回填和批次清单核验历史覆盖，防止双路径重复及维表误判。

按任务链和分区覆盖解释 StarRocks 异步视图刷新，区分同步调用、透明重写与陈旧容忍，核对维表修订和业务截止点。

区分同步维护与异步分区刷新，串联 Doris 视图状态、Job/Task、重写计划和业务分区对账，验证新鲜度与维护成本。

辨别 Pipeline 结构事件、演进策略、类型和路由契约，联查目标 DDL 与后续数据，验证 checkpoint 恢复不能撤销外部结构变化的边界。