Posts
可观测性建设：从 Prometheus 采集到 Grafana 告警联动
可观测性不是装几个监控工具，而是让系统在出问题时能快速定位根因。这篇文章从采集架构到 PromQL 到告警路由，覆盖我们在生产环境中实际遇到的 cardinality 爆炸、告警噪音等问题。
MinIO 分布式对象存储生产实践：从 Erasure Code 到多租户
自建对象存储曾经是件麻烦事，直到 MinIO 把 S3 API + Erasure Code + 简单部署这件事做到了极致。这篇文章是我在三套生产 MinIO 集群上的运维笔记，覆盖从硬件选型到故障救火的全链路。同时会聊一下 2024 年 MinIO 商业化策 …
Python 对接 Prometheus：查询监控数据与告警状态自动化
用 Python 直接调 Prometheus HTTP API，实现服务存活巡检、可用率日报生成，最后接入钉钉每日自动推送集群健康摘要。
Python 异步编程实战：asyncio 在 AI 应用中的使用
AI 应用天然是 I/O 密集型的：等 LLM 响应、等向量数据库检索、等多个工具调用返回。同步写法在这里是性能杀手。这篇文章从 event loop 原理讲到实际的 AI 应用模式，重点是 asyncio.gather 并发调用、SSE 流式输出处理和常见陷 …
MongoDB 分片集群实战：从 shard key 设计到 chunk 均衡的全链路
很多团队把 MongoDB 分片当成"设个 shard key 就完事"，结果上线半年后发现 80% 数据在一个 shard 上、balancer 每天搬几十 GB 却怎么都追不上、某个 collection 出现 jumbo chunk …
Python 自动化运维：从脚本到完整工具的工程化实践
系统梳理 Python 运维自动化的工程化方法：boto3 操作 AWS 资源、Kubernetes Python SDK 使用、Click/Typer CLI 框架选型、数据库批量运维脚本、钉钉 Webhook 集成，以及类型注解与错误处理的实践经验。
Redis Cluster 扩缩容与数据迁移实战：从 SETSLOT 到 Atomic Slot Migration
很多团队把 Redis Cluster 当成"开箱即用"的分布式 Redis，直到要做扩缩容或数据迁移时才发现：SETSLOT 协议里有十几种状态，迁移过程中客户端重定向要么不生效要么风暴，migrate 卡住没法断，big key 直接把 …
Redis 运维实践：持久化配置、集群模式与生产监控
Redis 运维看起来简单，但真到了生产出了问题才知道水有多深。本文整理了持久化、集群、监控、故障处理等核心运维主题。