生产排障

这个单元是真实事故的完整复盘。

只写「我定位到了 → 我解决了」的复盘没什么价值，因为现实里从来不是那样的。所以我写的时候尽量保留过程：最初的判断、走错的弯路、反馈不符合预期时怎么办。

文章

126 万 znode 是怎么长出来的26.3 上异步插入和插入去重两个默认值撞在一起，async_blocks 占了九成。还有清理时差点丢掉 quorum。S3 不可达时起不来：metadata 明明在本地，它却说 S3 上找不到改错 endpoint 加 skip_access_check 的偏方，22.8 上好使，23.x 就不灵了。各版本该怎么救。znode 爆炸：根子在 ClickHouse 的后台线程池ZK 扩容重启后 znode 冲到 2700 万，四个月后又在 fetch 池上积压了一次。里面有我远程给错的那条建议。