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。

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。

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。

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。

按本地表和分片巡检复制队列与 Keeper，核对原生备份依赖链，并在隔离目标验证恢复状态与业务样本。

关联 Query Log、运行中内存与 EXPLAIN，定位扫描、聚合、排序和 JOIN 放大，并验证分布式查询资源预算。

从排序键、分区与数据 Part 设计分析表，解释 ReplacingMergeTree、重试去重和 TTL 的正确性及合并成本。

从子任务忙碌、空闲和反压指标定位慢链路，区分输入积压与事件时间停滞，验证迟到处理和恢复代价。