近期依托平凯平台《303-TiDB 数据库管理》1021 分钟精品课程，从 TiKV 线程池原理、读写链路、热点优化、MVCC 闪回、多机房高可用 5 大模块落地生产级实操，课程内容完全贴合线上运维场景，本文结合课程知识点 + 真实集群实操记录，分享落地过程与踩坑经验，给 TiDB 运维从业者参考。
一、TiKV 内存 & 线程池实操：定位 OOM 与读写延迟根源
1.读慢故障复现人为构造全表无索引扫描 SQL，监控查看TiKV-Details→Thread CPU→Unified read pool指标快速打满，读请求排队堆积，完全对应课程描述：UnifiedReadPool 为 TiKV 读请求专属线程池，池耗尽直接引发全集群读超时；优化手段：补充索引、拆分超大结果集 SQL，快速释放读线程资源。
2.TiKV OOM 故障复现测试修改rocksdb.block-cache-size参数超出服务器物理内存 45% 推荐阈值，配合大批量 Truncate 操作，RocksDB Block Cache 抢占系统内存触发 OOM；参照课程方案：下调 block-cache 至合理占比、管控大事务写入，规避内存溢出。
二、热点问题实操：自增主键 Insert 热点拆分落地
1.自增 INT 主键热点：建表时添加AUTO_RANDOM主键属性，对比改造前后 Region 分布：改造前所有 INSERT 数据集中单 Region、单 TiKV 节点 CPU 跑满；改造后数据随机打散到全集群 Region，各 Store 写入负载均衡。
2.非整型主键小表读热点：开启Load Base Split自动分裂，原本单 Region 高频访问小表被自动拆分为多 Region，分散多节点分摊读 QPS，解决单点读负载过高问题。
三、MVCC 误删数据恢复实操：Recover Table & Flashback 落地
1.DROP TABLE 误删：使用FLASHBACK TABLE 表名 TO BEFORE DROP快速找回整表数据；
2.TRUNCATE TABLE 误删：采用RECOVER TABLE语法，依赖 MVCC 历史版本在 GC 生命周期内找回全量数据；
实操关键点：参数
tidb_gc_life_time控制历史数据保留时长，如需延长可临时调大，避免误删数据被 GC 清理无法找回。
四、PD 调度实操：解决 Leader 分布不均衡
1.通过 pd-ctl 查看各 Store Leader 数量，发现部分节点 Leader 扎堆；
2.排查原因：集群存在热点 Region + 大量极小空 Region；
3.落地优化：开启Region Merge自动合并细碎小 Region，按需调整leader-weight权重，PD 自动调度 Leader 迁移，最终全集群 Leader 分布趋于均衡。
五、多机房高可用架构实操：同城双 / 三中心 RPO 验证
1.同城三中心（Raft 三副本分 3IDC）：单机房整体断电故障，剩余 2 个 IDC 副本满足 Raft 过半机制，集群无数据丢失（RPO=0），PD 自动重新选举 Leader，业务无缝切换；
2.同城双中心同步复制：单机房宕机，备中心全量同步数据，RPO=0，可直接切主；
3.同城双中心异步复制：主机房突发故障，备库存在少量数据延迟，RPO>0，需补齐滞后 binlog 数据。