ClickHouse 表引擎与排序键分区优化实战
基于 MergeTree 的分区与排序键设计，提供建表与查询优化示例以提升读写与聚合性能。
数据库技术
ClickHouse物化视图与高吞吐写入优化实践
通过MergeTree与物化视图实现实时预聚合与高吞吐写入，提供可验证的SQL与系统表观测方法。
ClickHouse表引擎与分区索引：高并发查询治理
掌握 MergeTree 系列表引擎的分区与索引策略，优化高并发与大数据量查询性能与成本。
Cloudflare Durable Objects 与 D1 组合实践
引言
- Durable Objects 提供单写者一致性与有状态边缘能力；与 D1 的 SQL 数据库结合，可在边缘实现事务与热点数据的低延迟访问。
能力与组合（已验证）
- Durable Objects：以对象为中心的状态与一致性，提供路由到单实例的能力，适用于房间/会话/计数器等。来源：Cloudflare 官方文档与博客。
- D1 数据库：无服务器 SQL 数据库，提供结构化数据
Cloudflare Workers 存储选型：KV 与 D1 实战指南
引言
- 在边缘计算场景下，Cloudflare 提供从 KV（分布式键值）到 D1（原生无服务器 SQL）的多种数据选项，可满足缓存、会话、元数据与事务性数据等不同需求。
存储选型（已验证）
- Workers KV：全球分布式键值存储，适合配置、会话、缓存与静态元数据；一致性模型与写入传播需要结合用例评估。来源：Cloudflare 博客与 KV 文档。
- D1 数据库：Cloudfl
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。
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 Outbox 模式（可靠事件与验证）
使用Debezium进行数据库变更捕获并结合Outbox表发布可靠事件，降低双写与一致性风险，提供连接器配置与端到端验证方法。
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。
