Grafana Tempo 分布式追踪存储与查询实践
部署 Grafana Tempo 接收 OTLP 追踪并将数据写入对象存储，提供核心配置与查询验证方法。
硬件技术
Device Memory API：内存感知与资源策略
使用 Device Memory API 获取设备内存量级，按阈值调整资源加载与策略，提升低端设备体验与稳定性。
Istio Sidecar 资源配额与超限治理（Proxy CPU/Memory、限流与验证）
为Istio Sidecar设置合理的CPU/内存资源配额并配合Envoy限流策略，避免代理超限导致服务不稳定，提供配置与验证方法。
Kafka Streams状态存储与RocksDB调优
掌握 Kafka Streams 的状态存储与恢复机制，调优 RocksDB/缓存与日志，提升稳定性与延迟表现。
Kafka 主题保留与压缩策略（Retention、Compaction 与验证）
配置Kafka主题的时间/大小保留策略与日志压缩，按业务键保留最新值并降低存储成本，提供参数示例与端到端验证方法。
Kafka 主题保留与压缩策略（Retention、Log Compaction、cleanup.policy）
设计 Kafka 主题的保留与压缩策略，合理配置 `cleanup.policy=delete/compact`，并验证可靠性与成本的平衡。
Deno KV 会话存储与速率限制实战
引言
- Deno KV 为 Deno 提供原生键值存储与简易事务；在会话与速率限制场景下可提供低延迟与简化的持久化方案。
能力与用法（已验证）
- KV 存储：支持基本读写与原子操作；可在多区域部署下使用。来源：Deno 手册与博客。
- 会话与限流：在 KV 中存储会话状态与计数器，结合 TTL 与原子递增实现限流。来源：Deno 手册。
实践建议
- 一致性评估：在多区域部署中评估
Karpenter 节点自动供给与成本优化（2025）
# Karpenter 节点自动供给与成本优化（2025）
## 一、供给与约束
- Provisioner：按区域/实例家族/容量限制定义供给策略。
- 亲和与污点：隔离工作负载，保障关键服务。
## 二、实例与成本
- 预留与可抢占：核心服务用预留，波动任务用可抢占。
- 实例选择：按 CPU/内存/网络特性匹配负载。
## 三、伸缩与回收
- 伸缩信号：结合队列积压与业务指标触发供给。
Kubernetes HPA 与 KEDA 事件驱动伸缩（指标、队列与验证）
结合HPA与KEDA实现基于资源与事件的双通道弹性伸缩，提供队列触发与资源指标配置示例并给出可重复验证方法。
Kubernetes HPA 与自动扩缩容实战
概述
HPA 基于指标调整副本数；VPA 调整容器请求/限制。两者结合可在不同负载模式下实现可靠弹性。
已验证技术参数
- HPA API：`autoscaling/v2`；支持 `Resource` 与 `Pods/External` 指标
- 典型目标：CPU/内存利用率（如 70%）与自定义业务 QPS/延迟
- 行为（Behavior）：`stabilizationWindowSec
