文章

来自生产云基础设施一线的深度解析、运维手册与故障复盘，共 9 篇。

随笔

从每秒采样点数、压缩率和磁盘容量反推 Prometheus retention，附计算公式与生产参数。

节点磁盘被容器日志写满触发驱逐的完整排查过程、根因与长效治理方案。

账单环比突增时的标准化排查路径：按服务、标签、用量类型逐层下钻，附常见根因清单。

在同一业务上对比 Graviton 与 x86 实例的价格、延迟与吞吐，给出迁移判断标准。

状态后端迁移中因人工编辑 state 导致资源重复创建的复盘，以及安全迁移流程。

值班排障值得背下来的几条 kubectl：按时间看事件、找重启循环的 Pod、metrics-server 挂了也能看资源压力。

回答 Prometheus 回答不了的问题：谁在做 IO、谁在重传、哪个系统调用慢。

一个可上生产的 systemd unit 模板，标注真正重要的配置项。

S3/DynamoDB 网关端点免费必加，接口端点什么时候才回本，附判断公式。