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

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

Kafka 事务与端到端一致性(2025)

# Kafka 事务与端到端一致性(2025) 端到端一致性需要在生产、消费与持久化之间协同保障。 ## 一、幂等生产与事务 - 幂等生产:避免重复消息;配置生产者幂等与重试。 - 事务:将多个写入合并为原子操作,保障一致性。 ## 二、Exactly-once (EOS) - EOS:在流处理与下游写入之间实现 Exactly-once。 - 偏移与状态:对偏移与状态进行一致性管理。 #

MongoDB Change Streams 实时事件与异构集成(2025)

# MongoDB Change Streams 实时事件与异构集成(2025) ## 一、订阅与过滤 - 订阅:按集合或数据库级订阅变更;使用管道过滤。 - 安全:权限最小化与租户隔离,防越权访问。 ## 二、去重与可靠性 - 去重:按 `_id`/事务标识去重,避免重复消费。 - 重试与死信:失败事件退避重试并进入死信处理。 ## 三、回放与联动 - 回放:记录偏移与时间窗口,支持事件回

MongoDB 模型设计与索引优化(2025)

# MongoDB 模型设计与索引优化(2025) MongoDB 的性能依赖合理的文档模型与索引策略与聚合设计。 ## 一、模型设计 - 文档粒度:按访问模式划分嵌套与引用,降低跨集合联动。 - 规范命名:字段与类型一致,便于索引与聚合。 ## 二、索引与TTL - 复合索引:覆盖过滤与排序字段,减少扫描。 - TTL 索引:为过期数据设置自动清理,降低存储压力。 ## 三、聚合与管道

MySQL 索引与查询优化(2025)

# MySQL 索引与查询优化(2025) MySQL 的优化核心在于正确的索引与合理的查询与数据布局。 ## 一、索引与类型 - B-Tree/Hash/全文索引:按查询模式选择。 - 覆盖索引:减少回表,提升读取效率。 ## 二、执行计划与统计 - EXPLAIN:分析扫描类型与行数与索引使用。 - 统计信息:更新与分析表,避免错误估算。 ## 三、分区与布局 - 分区表:按时间或范围