CockroachDB与YugabyteDB对比：分布式SQL一致性与容错
对比两者在架构与一致性上的差异，理解多副本与分片机制，在多地域部署下进行选型与治理。
数据库技术
CockroachDB与YugabyteDB：分布式SQL选型
对比两大分布式 SQL 数据库在一致性、架构与多区域部署上的差异，为高可用与水平扩展场景提供选型依据。
Debezium CDC 与 Schema Registry 变更治理（2025）
# Debezium CDC 与 Schema Registry 变更治理（2025）
## 一、连接器与事件
- 连接器：为 PostgreSQL/MySQL/MongoDB 配置 Debezium 连接器；设置快照与增量。
- 事件：统一 `变更事件` 格式（创建/更新/删除）；携带表/主键/版本信息。
## 二、Schema Registry 与兼容性
- 兼容性：设置 `BACKWAR
Debezium CDC与Kafka入湖实践
使用Debezium从数据库捕获变更并写入Kafka，提供可验证的连接器配置与主题治理方法，支撑入湖与实时处理。
Debezium CDC实践：快照与增量一致性治理
使用 Debezium 捕获数据库变更，规范快照与增量阶段的一致性与去重，构建稳定的数据集成通道。
Debezium CDC：变更数据捕获与下游同步实践
利用 Debezium 从数据库日志中捕获变更事件，构建可靠的下游同步与事件驱动架构。
Debezium MySQL Source 连接器变更捕获到 Kafka 实战
使用 Debezium MySQL Source 连接器捕获数据库变更并写入 Kafka，配置主题前缀与表过滤及快照策略。
Debezium PostgreSQL Source 连接器变更捕获到 Kafka 实战
使用 Debezium PostgreSQL Source 连接器捕获数据库变更并写入 Kafka，配置复制槽与发布、表过滤与模式变更输出。
Elasticsearch Data Stream 与索引模板管理实践
创建数据流与模板，按时间写入并稳定滚动，提升日志与时序数据管理能力。
Elasticsearch ILM 与冷热分层及 RollOver 治理（2025）
# Elasticsearch ILM 与冷热分层及 RollOver 治理（2025）
## 一、索引生命周期与策略
- ILM：定义 hot/warm/cold/frozen 阶段（热冷分层），控制 `Segment` 合并与迁移。
- RollOver：按文档数/大小/时间触发新索引，避免 `Shard` 过大或过小。
- 模板：统一索引模板与别名，便于 RollOver 与查询切换。
Elasticsearch ILM生命周期策略治理
通过 ILM 在热/温/冷/删除阶段自动滚动、压缩与合并，降低成本并保障查询性能。
Elasticsearch Ingest Pipeline与处理器治理
通过摄取管道与处理器在写入时规范化与增强文档，统一字段、时间与标签治理，降低查询成本。
Elasticsearch Ingest Pipeline与字段规范化实践
使用Ingest Pipeline在写入阶段进行字段解析与规范化，提供可验证的管道与索引示例，提升检索一致性与质量。
Elasticsearch Ingest Pipeline：预处理、Grok与错误通道治理
使用 Ingest Pipeline 在写入路径进行预处理与抽取，规范 Grok 模式与错误通道，提升数据质量与查询效果。
