多租户平台或混合负载数据处理中，一个租户的突发流量或故障会拖垮整个管道，这就是“噪音邻居”问题。传统单体架构下，所有租户共用一条巨型数据流，一个数据库实例出问题就会产生背压，导致全局延迟甚至 SLA 违约。故障爆炸半径 100%，资源必须按最差租户配置，成本浪费严重，全局 SLA 几乎无法维持。

解决方案是分片 Hub-and-Spoke 架构，将路由与执行解耦。Hub 是一个轻量级数据流任务，只负责从统一源解析租户 ID 或业务域，然后把数据分发到独立的隔离缓冲区（如 Pub/Sub 主题）。缓冲区起减震作用，防止下游慢速写入倒灌回源。Spoke 是多个独立的小型数据流实例，按工作负载分类部署：高优先级租户用专用管道配高资源；中小租户共享管道以优化成本；复杂业务逻辑分离到单独领域专用管道，隔离代码变更影响。

对比传统单体，新架构的故障隔离效果显著：爆炸半径从 100% 降至 <5%（仅影响单个 Spoke）；资源可独立按租户负载伸缩，不再全局扩缩；维护时更新一个领域不影响其他。

实施中有三个关键优化：死信队列（DLQ）——不要让一条 SQL 异常卡住整条管道，失败记录转入 BigQuery 或 GCS 后续分析；严格的连接池管理——使用线程安全单例，每个 worker 最大连接池设为 1-2，避免自动扩缩时耗尽数据库连接；异步 I/O——用 GroupIntoBatches 变换缓冲写入，减少连接开销和数据库延迟。