共识Raft：如何保证多机房数据的一致性？
当机房 A 修改了一条数据的同时，机房 B 也对该数据进行了更新，Otter 会通过合并逻辑来处理冲突的数据行或字段，以达到合并效果。为了避免这种冲突，我们在上…
强一致锁：如何解决高并发下的库存争抢问题？
由于秒杀场景是库存争抢非常经典的一个应用场景，接下来我会结合秒杀需求，带你看看如何实现高并发下的库存争抢，相信在这一过程中你会对锁有更深入的认识。
锁争抢的错误…
同城双活：如何实现机房之间的数据同步？
在业务初期，为了控制投入成本，许多公司通常只使用一个机房提供服务。但随着业务的发展和流量的增长，对服务响应速度和可用性的要求逐渐提高，这时就需要考虑在不同地区…
缓存一致：读多写少时，如何解决数据更新缓存不同步？
我们之前提到过，互联网大多数业务场景的数据都属于读多写少，在请求的读写比例中，写的比例会达到百分之一，甚至千分之一。而对于用户中心的业务来说，这个比例会更大一些…
跳数索引：后起新秀ClickHouse
在之前的学习进程中，我们已然领略到了 Elasticsearch 那强大的功能特性。然而，当进行技术选型之际，价格这一因素的影响力不容小觑。Elasticsea…
引擎分片：Elasticsearch如何实现大数据检索？
为什么 ELK 的功能如此强大呢？这就需要我们对 ELK 中储存、索引等关键技术点的架构实现进行深入了解才能弄明白。相信在学习完今天的内容之后，大家对于大数据分…
链路追踪：如何定制一个分布式链路跟踪系统 ？
分布式链路跟踪服务属于写操作频繁而读操作相对较少的服务类型，它在我们进行线上问题排查时发挥着重要的支撑作用。我曾参与过一个系统，该系统同时为多条业务线提供支持，…
实时统计：链路跟踪实时计算中的实用算法
如果数据量庞大，那么需要投入的服务器资源就会更多。就拿我们之前经历过的最大规模来说，曾投入了大约 2000 台服务器来搭建 ELK。然而，如果服务器资源十分匮乏…
稀疏索引：为什么高并发写不推荐关系数据库？
提及高并发写，必然绕不开新型分布式数据库 HTAP，它成功融合了 OLAP 和 OLTP，能够同时提供数据分析挖掘以及关系查询服务。实际上，HTAP 的 OLA…
分布式事务：多服务的2PC、TCC都是怎么实现的？
前言
目前，业界流行微服务，DDD（领域驱动设计）也随之流行起来。DDD 是一种拆分微服务的方法，它从业务流程的视角从上往下拆分领域，通过聚合根关联多个领域，将…
本地缓存：用本地缓存做服务会遇到哪些坑？
在探讨数据服务相关内容时，有一个方面不得不提及，那就是缓存。
要知道，就当下的情况而言，唯有缓存能够承担起大流量的数据服务需求。而我们常见的缓存架构呢，基本上都…
流量拆分：如何通过架构设计缓解流量压力？
今天，我打算以直播互动作为例子，引领大家一同去了解在面对读多写多的情况时，应当怎样去应对所产生的流量压力。通常而言，这类服务在多数情况下都属于实时互动服务。由于…
业务脚本：为什么说可编程订阅式缓存服务更有用？
我们已经习惯了使用缓存集群对数据做缓存。然而，这种常见的内存缓存服务存在诸多不便之处。首先，集群会独占大量的内存。这意味着在资源有限的情况下，可能会对其他系统资…
流量调度：DNS、全站加速及机房负载均衡
我们已经学习了有关从架构设计层面去应对流量压力的相关内容。大家都知道，像直播这类服务呀，其用户流量是很难预先准确估计的。一旦用户流量增大到某个程度，达到一个机房…
高并发系统：它的通用设计方法是什么？
在高并发系统的设计中，面对大流量的挑战，我们通常需要运用一些巧妙的方案来有效地分流和处理这些流量，从而保证系统的稳定性和用户体验。可以通过一个比喻来帮助理解：就…
多层依赖：如何避免落入数据服务接口的陷阱？
前面，我们讨论了不同类型系统（如读多写少、强一致、写多读少和读写密集）的优化方法。但在很多复杂的业务系统中，读写逻辑往往相互交织、互相制约，这让优化工作变得更具…
