分库分表后主键怎么生成？高并发下 ID 生成会不会成瓶颈？多机房怎么避免冲突？从 UUID 到雪花算法到号段模式，一篇讲透。
单库：AUTO_INCREMENT → 简单好用
分库分表后：
DB1: id = 1, 2, 3, ...
DB2: id = 1, 2, 3, ... → 冲突！
解决方法 1：步长设置
DB1: 1, 3, 5, 7, ...（步长=2，起始=1）
DB2: 2, 4, 6, 8, ...（步长=2，起始=2）
问题：扩容困难，不能加机器
解决方法 2：独立 ID 生成服务
→ 分布式 ID 方案分布式追踪：从 Jaeger 到 OpenTelemetry是分布式系统中的核心话题，它涉及数据一致性、可用性和分区容错等关键挑战。
本文深入分析了分布式追踪：从 Jaeger 到 OpenTelemetry的原理和解决方案，帮助你构建可靠的分布式系统。
用户反馈"下单很慢"，但你的系统是这样的：
用户 → API网关 → 订单服务 → 库存服务 → 仓储服务
→ 优惠券服务
→ 支付服务 → 风控服务 → 银行接口Redis是高性能的内存数据库，广泛应用于缓存、会话管理和实时数据处理等场景。
本文介绍了Redis的核心特性和使用场景，帮助你构建高性能的应用系统。
单机锁用 synchronized，分布式锁用什么？Redis RedLock？ZooKeeper 临时节点？etcd Lease？选错了就是生产事故。
SET key value NX PX 30000
NX: 不存在才设置（互斥）
PX: 过期时间（防死锁）
value: 唯一标识（防误删）
释放锁：Lua 脚本保证"判断+删除"原子性微服务治理全景：熔断、限流、降级、隔离是分布式系统中的核心话题，它涉及数据一致性、可用性和分区容错等关键挑战。
本文深入分析了微服务治理全景：熔断、限流、降级、隔离的原理和解决方案，帮助你构建可靠的分布式系统。
考虑一个典型的微服务调用链：
用户请求 → 网关 → 订单服务 → 库存服务 → 仓储服务秒杀系统被刷爆？API 网关被打满？下游服务扛不住？限流是高并发系统的第一道防线。四种限流算法 + 单机/分布式实现，一篇讲透。
固定窗口（Fixed Window）：
将时间划分为固定窗口（如每秒一个窗口）
窗口内请求数超过阈值则拒绝
0-1s: 100 请求（阈值 100）→ 放行
1-2s: 50 请求 → 放行
问题：临界点突发流量
0.9s: 100 请求 → 放行
1.1s: 100 请求 → 放行
→ 0.2 秒内放了 200 请求！分布式事务实战：Saga、TCC、AT 模式对比与选型是分布式系统中的核心话题，它涉及数据一致性、可用性和分区容错等关键挑战。
本文深入分析了分布式事务实战：Saga、TCC、AT 模式对比与选型的原理和解决方案，帮助你构建可靠的分布式系统。
在单体应用中，事务管理依赖数据库的 ACID 特性：
@Service
public class CreditService {
@Autowired
private CustomerMapper customerMapper;
@Autowired
private ContractMapper contractMapper;
@Transactional
public void applyCredit(CreditApplyRequest request) {
customerMapper.insert(request.getCustomer());
contractMapper.insert(request.getContract());
// 要么都成功，要么都失败
}
}Redis是高性能的内存数据库，广泛应用于缓存、会话管理和实时数据处理等场景。
本文介绍了Redis的核心特性和使用场景，帮助你构建高性能的应用系统。
单机Redis虽然性能优异（单核QPS可达10W+），但面临三大问题：
| 问题 | 影响 | 解决方向 |
|---|---|---|
| 内存容量有限 | 数据集>可用内存时，需要淘汰策略 | 水平扩展（分片） |
| 单点故障 | 服务不可用，数据丢失 | 主从复制 + 哨兵 |
| QPS上限 | 网络IO饱和、CPU成为瓶颈 | 数据分片、负载均衡 |
负载均衡算法深度解析：从Nginx到云原生是分布式系统中的核心话题，它涉及数据一致性、可用性和分区容错等关键挑战。
本文深入分析了负载均衡算法深度解析：从Nginx到云原生的原理和解决方案，帮助你构建可靠的分布式系统。
ISO/OSI 模型：
第7层 (应用层): HTTP/HTTPS
└─ 可以看到请求内容 (URL、Header、Body)
└─ 路由粒度细 (基于URL/Host/Cookie)
└─ 性能: 中等 (需要解析HTTP)
└─ 例: Nginx、HAProxy、Envoy
第4层 (传输层): TCP/UDP
└─ 只能看到IP+Port
└─ 路由粒度粗 (仅基于IP+Port)
└─ 性能: 高 (无需解析应用层)
└─ 例: LVS、F5、云Load Balancer
┌─────────────────────────┐
│ Client │
│ 127.0.0.1:12345 │
└────────────┬────────────┘
│ TCP/IP
┌────────▼────────┐
│ Layer 4 LB │ ← 只看IP:Port，极快
│ 10.0.0.1:80 │
└────────┬────────┘
│
┌────────▼────────┐
│ Layer 7 LB │ ← 解析HTTP，精细控制
│ Nginx/Envoy │
└────────┬────────┘
│
┌────────┴────────┐
▼ ▼
Backend1 Backend2CDN原理与实现：DNS路由、边缘计算与缓存策略是分布式系统中的核心话题，它涉及数据一致性、可用性和分区容错等关键挑战。
本文深入分析了CDN原理与实现：DNS路由、边缘计算与缓存策略的原理和解决方案，帮助你构建可靠的分布式系统。
without CDN:
用户 (北京)
↓ 10000km
源服务器 (硅谷)
↓ 延迟：200ms+
with CDN:
用户 (北京)
↓ 100km
CDN节点 (北京)
↓ 延迟：10ms+
↓ 回源到源服务器 (硅谷)Paxos/Raft：分布式一致性算法深入详解是分布式系统中的核心话题，它涉及数据一致性、可用性和分区容错等关键挑战。
本文深入分析了Paxos/Raft：分布式一致性算法深入详解的原理和解决方案，帮助你构建可靠的分布式系统。
场景：5个服务器需要选择一个值（如新的Leader）
Server 1: 选择 A
Server 2: 选择 A
Server 3: 选择 B
Server 4: 离线（无法通信）
Server 5: 选择 A
目标：4个活跃节点中的3个选了A，最终应该选A