硬件技术
Kubernetes HPA 与资源配额调优指南
结合 HPA（水平自动扩缩）与资源配额最佳实践，提升集群稳定性与成本效率，并提供可观测与告警策略。
AMD Instinct MI300X 架构与参数解析
系统化梳理 MI300X 的显存、带宽与算力特征，帮助评估在生成式 AI 与 HPC 负载下的部署与选型。
ClickHouse物化视图与字典优化实践
使用物化视图与字典在 ClickHouse 中加速聚合与维表映射，结合 MergeTree 与 TTL/压缩优化存储，并提供验证方法。
ClickHouse 物化视图实时聚合与去重治理（2025）
# ClickHouse 物化视图实时聚合与去重治理（2025）
## 一、表与视图设计
- 明细表：存储原始事件；索引按查询模式设计。
- 物化视图（物化视图）：将明细写入 `AggregatingMergeTree` 进行 `实时聚合` 与 `去重`。
## 二、聚合与去重
- 聚合函数：`sum/count/uniqExact/argMax` 等；按业务选择。
- 去重：使用 `uniq
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
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。
Grafana Loki与ELK对比：日志聚合与查询成本
比较 Loki 与 ELK 在架构与索引策略上的差异，理解查询成本与适配场景，构建高效日志体系。
Audio Worklet 音频流处理与延迟优化：低延时合成与滤波实践
使用 Audio Worklet 在独立线程进行音频流处理，构建低延时合成与滤波管线，提升稳定性与交互体验，并提供经验证的延迟与掉帧指标。
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。
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。
GPU 调度与 AI 推理成本优化（2025）
# GPU 调度与 AI 推理成本优化（2025）
推理服务成本受批量与并发与精度等影响，需在性能与体验之间平衡。
## 一、批处理与并发
- 批处理：提升吞吐但增加延迟；按场景权衡批大小。
- 并发调度：控制并发队列与优先级，避免拥塞与抖动。
## 二、精度与算子
- 混合精度：FP16/BF16 在可接受损失下提升性能。
- 算子优化：选择高效算子与图优化，减少无效计算。
## 三、观
