用户杨杰

数据库中的 LowCardinity clickhouse 中有 LowCardinity 类型的列。 通过字典替代 string 类型的存储，节省空间。 native 中的 LowCardinity

为了将数据高效率的写入 clickhouse，通常我们需要在客户端缓冲数据，每 10w 条写入一次，这导致内存使用量非常高。 实现 当使用 clickhouse-go/v2 进行批量插入 []stru

clickhouse 有本地表和分布式表，向分布式表的查询会下发到每个本地表去执行。 比如： 该查询，会在 clickhouse 集群上的每个节点运行并返回数据。 即使一个节点上的数据已经有了 20

对于时间序列数据，以 metric_name, tag, timestamp, value 的形式表示。 每一组唯一的 hash(metric_name, tag) 就是一个 series。 data

controller selectNodes selectNodes 挑选出合适数量的 nodes 以满足 nbCanaryPod。 通过 daemonset 的名字获取所有部署的 node，从中获取

在最近一次优化后，parca 服务的性能迎来了巨大的提升。 采集 15000 服务的内存性能文件。 服务接受 50MB/s 的性能文件，通过精心设计的高效压缩算法，仅存储 2MB/s，5 TB/月。

在持续性能分析中，通常每 1min 对每个应用采集一份性能文件并 gzip 压缩后上传到云存储中。 为什么不抽样采样？ 即使在云原生环境中，某个容器比其他容器 cpu，内存更高也是可能的。 为什么持续

在 felixge 的这篇文章中，介绍了 datadog 的 timeline 功能： https://blog.felixge.de/debug-go-request-latency-with-da

g 有一个 sched 的结构体，保留了寄存器： 正常我们可以通过 bp 进行调用栈的异步展开。 也就是说，可以通过一个 runtime.foreachg 函数，获取所有正在运行的 goroutine