一个“追踪”开关,为什么不该同时控制采集、入选和分析?
取消追踪后仍接收命中文章,上传后仍需匹配,文章不相关却保留成员关系。结合专题管理的需求设计,区分用户采集意愿、任务执行、文章准入和分析状态,说明它们如何影响回执、版本与统计口径。
取消追踪后仍接收命中文章,上传后仍需匹配,文章不相关却保留成员关系。结合专题管理的需求设计,区分用户采集意愿、任务执行、文章准入和分析状态,说明它们如何影响回执、版本与统计口径。
从一次手动专题迁移设计出发,梳理在线预拷贝、写入屏障、在途排空、最终对账和回滚追平。数据切换后仍会变化,回退必须保留新增、删除与状态更新,也要区分应用回退和存储回退。
规则存进 MySQL,不代表专题业务已经完成迁移。结合手动专题的关系、追踪状态和聚合重建,讨论业务事实与搜索投影的边界、事务能覆盖的范围,以及拆分后必须承担的同步、分页和内容重建代价。
结合 Go 聚类消费者的固定前缀缓存实现,区分配置开启、服务端命中、token 统计与端到端耗时,并给出受控验证流程。
从首次加载慢、开启两秒采样后变快、离开页面仍有请求的使用观察出发,核对 Kafka 位点查询、内存与 Redis 快照、定向刷新、采样周期、前端轮询和倒计时的历史演进,并说明关闭、隐藏页面、多窗口与多副本的实际边界。
双阈值与 pending 让文章归属有了更明确的决策边界,但同一事件的不同侧面仍可能形成多个 cluster。本文记录我如何增加 cluster_event,通过关键词召回和 LLM 判断建立事件层,在保留底层聚类的同时,将同一事件重新组织起来。
查询范围已经收敛,下游仍可能被消费者压满。结合近重复排障,区分在途消息、ES 请求并发和请求速率,讨论配置作用域、多副本预算、阶段限流、等待、重试与业务代价,明确设计建议及待验证内容。
以热榜与统一事件中心的失败重处理为例,记录如何区分失败现场和执行任务,通过预检、持久化明细、独立 Worker、Kafka 投递及消费者回写推进恢复,并说明处理代次、分阶段重试、状态汇总和人工补偿的边界。
在启动 Go 消费者项目前,我先开发了性能分析平台:将多机、多容器的 CPU 与内存观察集中起来,并借助 AI 辅助开发逐步完善工具。本文记录三个开发动机、当前已实现的监控与 Python 诊断能力,以及继续深入 Python/Go runtime 和 Linux 内核的目标。
同一 cluster 内的风险判断波动,需要规则收敛,也需要可靠的处理链路。本文记录风险重算从逐篇触发整组全量计算,到拆出独立消费者,再到基线复用、增量处理的两次改造,以及大 V、媒体影响和预警时效之间的取舍。