Elasticsearch PIT 与 search_after 深分页稳定查询实践
使用 Point-in-Time 与 search_after 实现深分页稳定查询，避免滚动期间索引变更导致结果漂移。
数据库技术
KEDA Scalers 队列长度与事件驱动自动伸缩（2025）
# KEDA Scalers 队列长度与事件驱动自动伸缩（2025）
## 一、触发器与指标
- Scaler：RabbitMQ/Kafka/Redis 等触发器读取 `队列长度` 与速率。
- 指标：转换为 HPA 可消费的指标，驱动副本数变化。
## 二、伸缩策略与并发
- 策略：设定最小/最大副本与步进；避免抖动。
- 并发上限：为下游设置并发闸门；防止过度扩张。
- 滞留治理：观察队列
MySQL InnoDB 自适应哈希与缓冲池调优（AHI、Buffer Pool 与验证）
结合自适应哈希索引与缓冲池参数进行读写性能优化，提供配置示例与命中率度量，并在不同负载下验证收益与成本。
PgBouncer连接池与事务隔离实践
配置PgBouncer连接池并选择合适的pool_mode与事务隔离策略，提供可验证的INI与命令，提升并发与稳定性。
PostgreSQL 分区策略与时间序列优化（2025）
# PostgreSQL 分区策略与时间序列优化（2025）
时间序列数据写多读多，需在分区/索引/归档上系统优化。
## 一、分区与布局
- 范围分区：按时间窗口分区，减少扫描与维护成本。
- 子分区：按来源或租户进一步细分，降低热点。
## 二、索引与统计
- 索引：覆盖时间与过滤维度；避免过度索引。
- 统计：维护表与列统计，确保计划准确。
## 三、写入与归档
- 批量与队列：控制
PostgreSQL 查询优化与统计信息（扩展统计、计划稳定与验证）
利用扩展统计提升选择度估算并稳定查询计划, 结合工作内存与代价参数优化执行性能, 提供可重复的度量与验证方法。
Bun.s3 与 Bun.sql 实战指南
引言
- Bun 1.2 引入 `Bun.s3` 与内置 Postgres 客户端 `Bun.sql`，以更贴近 Web 标准的 API 提供云服务集成与数据访问能力，同时大幅提升 Node 兼容性与性能。
能力与实践（已验证）
- Bun.s3：内置 S3 客户端，提供与 Blob 等 Web 标准兼容的 API，可读写/删除 S3 文件，支持惰性引用。来源：Bun 中文博客。
- Bun
HashiCorp Vault动态密钥与租约实践
使用Vault签发短期动态密钥并管理租约与续租，提供可验证的CLI与策略示例，提升安全与可追溯性。
PostgreSQL 索引与查询优化实战指南
总结 PostgreSQL 常用索引类型与查询优化方法，给出关键配置、诊断工具与可验证的调优原则，帮助稳定降低延迟与资源消耗。
PostgreSQL 索引与查询优化（2025）
# PostgreSQL 索引与查询优化（2025）
PostgreSQL 提供丰富索引与优化器能力，需结合场景正确使用。
## 一、索引类型
- B-Tree/GiST/Gin/Hash：按查询模式选择合适索引类型。
- 覆盖索引：减少回表开销，提升读取效率。
## 二、执行计划与统计
- EXPLAIN/ANALYZE：查看计划与实际耗时，定位瓶颈。
- 统计信息：维护表与列统计，避免错
KEDA 事件驱动自动伸缩实践（2025）
# KEDA 事件驱动自动伸缩实践（2025）
KEDA 将外部事件源（队列/流/数据库）转换为伸缩信号，适合波动与异步任务场景。
## 一、触发器与 ScaledObject
- 触发器：Kafka/Redis/HTTP 等触发器参数与阈值配置。
- ScaledObject：绑定 Deployment 与最小/最大副本与指标。
## 二、稳定性与冷却
- 冷却时间：伸缩后冷却避免频繁波动
