文章写的很清晰 ，我这边做一下个人补充，初版可能只是配置，具体的grafana 监控报表后期补一下。values.yaml 配置enabled: true 改为true。生产的可执行yaml (可直接手动部署)

实际的场景：harbor 主备双战，每次拉取的时候拉到备战导致镜像拉取失败，最终排查是因为镜像包太大了，主站在往备战同步的时候失败或者太慢，导致K8s 拉不到镜像。运维建议缩减镜像的大小。： .venv 中的 Lib （准确说是 site-packages ）是混合体，但核心涉及系统兼容性的部分是“动态链接库”。Docker 构建时，会按顺序执行每个 FROM 开始的“独立小世界”，最后只保留最后

在电脑里: 它就是把稠密向量搜索和稀疏向量搜索的结果合并起来，让你可以同时根据“语义意思”（稠密）和“关键词”（稀疏）来查找信息，得到更准确、更全面的结果。比如，你问“一只可爱的猫”，电脑既能理解“猫”的样子（稠密），也能识别“可爱”这个关键词（稀疏），然后给你最好的答案。在电脑里: 它也是一个长长的数字列表，但里面大部分数字都是 0，比如 [0, 0, 0, 5.2, 0, 0, 0, 0, -

自动执行：无需手动调用初始化方法，Spring 容器会自动执行。时机准确：在依赖注入完成后执行，确保所有依赖都已就绪。代码简洁：将初始化逻辑集中在一个方法中，便于维护。通过结合 Caffeine 缓存，我们可以在 Spring Boot 应用中轻松实现高性能的本地缓存。本文的案例展示了如何初始化异步加载缓存，并通过定时任务主动刷新过期数据，确保缓存数据的新鲜度。这种模式适用于配置信息、字典数据、菜

整套方案的核心是"双连接工厂 + 专用方法名主库连接工厂由 Spring Boot 自动装配，保持MASTER，所有现有方法零改动新建副本连接工厂，注册配套副本模板工具类按需暴露方法，调用方显式选择优点是渐进式、可控、零回归风险：想分流哪个调用点就改哪个，出问题随时回退到主库方法，不影响其他业务。

项目里本想做 Redis 主从读写分离——主库读写走主、只读场景走从。代码看着没毛病，跑起来也不报错，但实际上。这篇记录一下这个静默 Bug 的定位过程与修复方案。

项目结论压缩 Key 是否标准❌ 严重反模式压缩 Value 是否安全✅ GZIP 解压跨版本兼容Key 出问题的根因两次压缩产生不同字节，非解压失败OS 字段为何不参与计算RFC 1952 定义为纯元数据，DEFLATE 解码不依赖它紧急修复读取端双读兼容（明文优先 + 压缩兜底）长期方案Key/Field 改明文，仅压缩大 Value如有其他 Redis 序列化踩坑经历，评论区交流！

本次 JDK 8 → JDK 17 升级中，一个 GZIP 头部的 OS 字节差异（0xFF→0x00）导致所有 gzip 压缩的 Redis key 查询失效。排查过程从"连错集群"到"序列化器异常"再到"逐字节对比"，最终定位到 GZIP 格式第 9 字节的 JDK 版本差异。修复方案简单而有效：在中强制将 OS 字节归一化为0xFF，与 JDK 8 写入的存量数据保持一致，实现零数据迁移修复

ConfigMap 的 key 通过items.path改名 → 进入 Volume → 被subPath选中 → 贴到mountPath指定的完整路径 → Spring Boot 按路径读取。每一步都是独立映射，不存在隐那些事儿！

考虑到GZip是为了压缩数据，减少redis 存储压力，那之前使用过Protobuf和Gzip 有什么差异了，其实这个数据同事真实的测过，gzip 压缩的大小更大，protobuf 压缩的没那么大，但是效果很好。大多是由团队数据同事写入的，根据数据人员提供的信息，当前的redis 数据已经通过Gzip 压缩过了，所以需要我将数据读取，反序列化的时候应该手动转换成String。这说明：Protobu