Flink 是一个分布式系统，需要有效分配和管理计算资源才能执行流应用程序。它集成了所有常见的集群资源管理器，例如Hadoop YARN和Kubernetes，但也可以设置作为独立集群甚至以库的形式运行

Apache Spark的Kubernetes Operator遵循了最近的趋势，即利用Operator模式来管理Kubernetes集群上Spark应用程序的生命周期。Operator允许以声明的方式（例如，在YAML文件中）指定Spark应用程序，并在不需要处理Spark提交过程的情况下运行。它还使Spark应用程序的状态能够像Kubernetes上的其他类型的工作负载一样被跟踪和惯用地呈现

核心Operator控制流（在FlinkDeploymentController和FlinkSessionJobController中实现的） 包含了以下逻辑阶段：1）观察当前部署资源的状态；2）校验新资源的规格；3）按照新规格和观察到的状态来协调任何所需的变化；4）按顺序重复以上操作。

NetworkPolicy 是一种以应用为中心的结构，允许你设置如何允许Pod与网络上的各类网络实体通信，适用于与 Pod的一端或两端的连接，与其他连接无关

Operator是K8S的扩展软件，它利用自定义资源（CustomResource）来管理应用及其组件

时序相关的流式处理过程是有状态流式处理过程的一个扩展。其中，时间扮演了其计算过程的重要角色。此外，其案例包括：时序分析，在特定时间周期内聚合（窗口）计算，或事件发生时间十分重要的事件处理过程

相比通过binlog实现增量同步，使用Logstash同步更简单、灵活，且能同时实现全量、增量同步

在当今的大规模软件系统和服务中，可观测性作为一项关键能力已显得越来越重要。以Slack为代表的行业经验为启发，且作为对数据库研究的号召，本文概述了设计和构建大规模可观测性数据管理系统（Observability Data Management Systems，下文简称ODMS）以处理这种新兴工作负载所面临的挑战与机遇。

VM作为开源时序数据库，可用于Prometheus远端存储，在集群使用过程中，很容易碰到性能问题。本文也提供了常见问题的排查路径

在Clickhouse早期的版本里面，Zookeeper作为其协调系统，其协调算法ZAB (ZooKeeper Atomic Broadcast) 不能提供linearizable读取的保证。但CH Keeper使用RAFT算法的一种开源实现，允许linearizable读写