运维场景中心

从对象清单、指标覆盖和资源预算开始，打通采集、看板、分级告警、故障演练及值班交接。

围绕 GTID 复制、旧主隔离、代理入口和受控切换，建立有一致性检查与恢复边界的 MySQL 高可用流程。

结合 HDFS 块健康、节点容量与 YARN 队列证据，建立巡检、监控、单节点维护和恢复验收流程。

从日志字段、采集位点与缓冲预算到索引生命周期和端到端测试，建设能够衡量延迟、重复与丢失的日志链路。

从主从数据基线、Sentinel 多数授权到客户端发现和故障演练，明确异步复制与新主接写后的恢复边界。

用 Uptime Kuma 建立独立探测点，验收健康检查、故障通知、状态页和数据目录备份，而不是只确认首页能打开。

理解 Iceberg 快照引用链与 Spark 提交，核对写入幂等、小文件维护、历史保留和清理恢复边界。

关联 Hive Metastore 分区登记、存储位置与 SQL 执行阶段，完成有限取证、候选修复和业务数据验收。

联查 MergeTree parts、查询内存、复制队列和备份恢复，区分本地表、分片与副本，完成有界诊断和隔离验收。

从 Driver、Executor、Stage 与 SQL 计划定位 Spark 作业瓶颈，结合事件日志和 checkpoint 核验批处理与流式恢复边界。

串联源位点、事件时间、算子状态、checkpoint 与 sink 提交，定位 Flink 反压和恢复失败并验证端到端结果。

先辨别 shared-nothing 与 shared-data，再检查 FE、BE 或 CN、导入与主键更新、查询 Profile 和存储恢复边界。