生产环境单节点 OpenSearch 的 Dashboards 对所有用户返回 401：按 _id 排序分页留下的 12.3 GiB fielddata 占着没有上限的缓存，几个跨月聚合又把堆推过了 parent 断路器上限。文中整理了时间线、原因和防护建议。

开发环境单节点只存 47.5 GB 日志，OpenSearch 却平均占 0.88 核。大头是 ISM 每 5 分钟对 1,388 个索引加锁放锁，锁索引两天多才 flush，软删除攒到 185 万条；在线调参后预计降到 0.2～0.25 核。

ReplicatedMergeTree 默认记住最近 1000 个插入块，重投的那批内容和 token 都没变，本该被认出来。这张表三个副本每秒建 124 个块，1000 个块折合 8 秒，而重投的间隔是 32 到 124 秒。

同一个业务键在 ClickHouse 里出现两行完全一样的数据，写入时间相差 30 秒到两分钟。前一天吞吐掉到常态零头的十几个小时一行重复都没有，出重复的是第二天吞吐看着正常、Keeper 在途请求涨到几千的那三个小时。

两张明细表只共享半个唯一键，同层 JOIN 之后才聚合，分页接口那 40 秒慢查询就出在中间被 DISTINCT 压回去的那些行上；拆成三步后这组参数下结果逐行一致。

压测时副本数在 3 和 5 之间反复抖动，查到是 ArgoCD selfHeal 在和 HPA 抢 spec.replicas。记录这次排查的证据链、修复方式，以及引出的几个扩缩容问题。

Intermittent 413s caused by h2c upgrade + JDK HttpClient + Tomcat maxSavePostSize: root cause, troubleshooting playbook, and a deterministic kind reproduction.

Proxmox VM 一重启 Vault 就 sealed，ExternalSecret 跟着失败：postStart 解锁 hook 被 JSON grep 误判、ESO 没有及时重验，恢复脚本自己还有假阴性，最后改成按 exit code 三态判定。

一次看起来像 Cilium Gateway Degraded 和 ArgoCD Sync 异常的故障，最后追到了 CoreDNS stub resolver、ZITADEL backend 缺失和 Vault 密钥问题。记录完整排查链路、修复动作和后续固化方案。

oracle-k3s 从 Flannel 换到 Cilium，翻出 QUIC 超时、Secret 供应链断裂、健康检查和连接串失效、PVC 数据回灌四类问题，哪些复杂度值得保留也因此重新排了序。