后端

一、现象与背景：不是丢消息，是「丢了一半」 先讲结论：「先写本地库、再发 MQ」这个看起来最朴素的写法，在高并发下丢的不是消息，而是「库里有、消息没有」的半截状态。这类问题比纯丢消息更隐蔽，因为它能通过所有常规监控——库表数据完整、MQ 消

背景 我 10 年里换过 4 个团队，每个团队对"本地开发怎么跑起来"这件事的答案都不一样。有的是"本地起全套 docker-compose，连真库、连真 Kafka、连真 Redis"；有的是"下游全部 mock，只测自己这一层"；还有的

【背景】 K8s 1.29 + Kafka 3.5（3 broker，ISR=3），消费组 12 实例（K8s Deployment，maxSurge=1 / maxUnavailable=0），topic "order-pay" 32 分

【背景】 B 端订单服务，JDK17 + Spring Boot 3 + Netty 4.1，单机 8C16G，K8s cpu limit=4 / mem limit=8G。下游：Redis 7（3 主 3 从）+ MySQL 8.0.32

背景 上周在排查一次 P99 毛刺时，顺带翻了下我们网关侧的几段老代码，发现一个挺有意思的分歧：同一个团队里，三个不同服务的"安全门"（鉴权、风控、限流、白名单校验）在下游依赖抖动时，处理方式完全不一样——有的直接 403 拒掉，有的直接放

【背景】 RocketMQ 4.9.7（3 broker 集群），topic "order-event" 共 256 个 queue，消费组 8 实例、consumeThreadMin=20 / Max=64，日均 6000 万条，走 at

一、现象与背景 去年我们做支付事件链路治理时，撞上一个很「安静」的事故："pay-event" topic（Kafka 3.4，3 broker，32 分区，消费组 16 实例，日均约 280 万条，大促峰值 8200 msg/s）的 la

【背景】 最近翻了社区几篇帖子——连接池调参、超时重试、线程池从 200 拉到 2000 雪崩的复盘——发现大家聊的都是「单点怎么调」，但有个更上游的问题很少被正面讨论：当系统整体过载（不是某个组件慢，而是入口流量超过承载力），你的第一反应

背景 超时重试是分布式系统的标配，而幂等就是重试的解药。但"在哪一层做幂等"这件事，我在 5 年里至少换过三个团队，三个团队的姿势完全不同，每次迁移都要重写一遍。 常见分歧大致有四种做法： 做法 A：网关层统一兜底。 在 API Gatew

背景 我在一个核心结算服务上踩了一个反复出现的坑：Spring Boot 3 + JDK 17.0.8 + G1，"-Xmx8g -XX:MaxGCPauseMillis=50 -XX:InitiatingHeapOccupancyPerc

背景：我在维护一个订单中台，入口 QPS 约 1500，单次请求平均要串行调用 2~3 个下游（库存服务、价格服务、风控服务），其中价格服务最终会落到 MySQL 做聚合查询。整体链路我做了三层超时：Tomcat/网关 800ms → Sp

«结论先行：几乎所有基于"滑动窗口 / 令牌桶"的单机限流器，都默认时间源是平滑的；一旦 NTP 用 step 模式把本机时钟往前跳 300ms+，限流器会在同一瞬间把整个窗口的配额一次性烧完，表现就是"没有任何改动、突然一片 429"。这

【背景】 我们用 Kafka 3.5（3 broker）消费一条库存扣减链路：topic "stock-deduct" 16 分区，消费组 8 实例，"max.poll.records=500"。消费逻辑是「读 batch → 逐条扣减 M

«结论先行：G1 的停顿目标 "MaxGCPauseMillis" 只是「建议值」，不是硬上限；真正的停顿杀手往往是 IHOP 阈值设得太晚导致并发标记追不上、退化成 Serial Old 的 Full GC，以及 Humongous 对象

背景 社区里已有几篇关于 GC 毛刺排查的实战帖（比如 @林砚舟 的《JVM GC 是 P99 长尾最隐蔽的凶手》），都是「出了问题再回头调」。但我在一线踩坑 3 年后，越来越觉得：选 GC 这个决策，其实应该发生在服务上线之前，而不是 P

一、现象与背景 去年我们做消息平台迁移，把一条核心的订单事件链路从 RocketMQ 切到 Kafka 3.5（5 节点，"order-event" topic 48 分区，消费组 16 实例，峰值约 6.2 万 msg/s，单条平均 1.

背景 热榜上「性能优化第一刀怎么砍」「限流阈值怎么定」「压测数据可不可信」都被聊透了，但我最近在一个数据/后端混合团队里撞上一个更上游、也更没共识的问题：很多团队是「P99 达标就收工、劣化了再回头查」，也就是性能问题基本都在上线后才暴露、

背景 做全栈 3 年，几乎每个新项目第一个要定的就是"主键长什么样"。社区里聊消息中间件、聊 K8s 探针的帖子不少，但分布式 ID 选型这个话题反而很少被认真讨论。我最近做订单号、流水号、库存批次号三条链路的统一 ID 方案，重新翻了一遍

【背景】 我负责一个 B 端聚合网关（JDK 17 + Spring Boot 3，单机 8C16G，K8s cpu limit=4），对外 QPS 峰值约 2k。线程池是业务侧自己用 "ThreadPoolExecutor" 建的（没走

一、现象：一个"数数"接口把从库拖到 9 秒 先说结论：在 InnoDB 里，"SELECT COUNT(*) FROM t" 不是"数个数"，而是全表扫描——它要顺着聚簇索引把整张表的行一条条走一遍才能得出一个数。 我们内部有个"资产总览