分布式

数据仓库建设怎么做？从源数据到分析报表全流程讲清很多企业做数据仓库，第一步就想错了。以为把数据从业务系统抽出来，建几张表，再接一个 BI 报表，就算完成了。

Redis 分布式缓存生产实战在外贸电商、支付网关、库存交易这类高并发系统里，缓存是抗住流量洪峰的第一道闸门。但生产环境中，缓存也是最容易被低估的组件——你以为加了个 Redis 就能高枕无忧，结果上线后 Hot Key 把单节点打挂、Big Key 阻塞整集群、缓存一致性让下游数据“阴晴不定”。

阿标在干嘛

从单机到分布式：政策快报爬虫系统的三次重构政策快报平台上线第一天，爬虫系统很简单：一台服务器，跑着几个Python脚本，定时去十几个网站抓取政策信息。每天能抓几百条，够用了。

笨鸟先飞的橘猫

游戏后端分布式学习——开篇本人目前只有5年游戏后端的开发经验，最近几年越发感觉对于分布式开发吃力，本系列主要目的尽可能提升自己，且贴合游戏后端岗位经常面临的问题进行学习

分布式软总线认证模块架构与实现分析软总线认证模块是OpenHarmony分布式通信的核心安全组件，位于 foundation/communication/dsoftbus/core/authentication/ 目录下。该模块基于HiChain安全认证框架，实现了设备间的双向身份认证和会话密钥协商。

脱胎换骨-军哥

C++分布式系统设计：从通信引擎到分布式共识在分布式系统的技术版图中，Java (Spring Cloud)、Go (etcd / 自研) 和 Erlang/Elixir 各自占据一席之地，但 C++ 在追求极致性能、低开销和深度控制的核心中间件领域依然是首选。无论是负责消息转发的自研网关、高频交易的内存数据库，还是存储引擎 Raft 层，C++ 的特性使其能以最小的机器成本换取最大的吞吐。

海棠Flower未眠

SpringBoot 整合 Kafka 高性能消息队列(荣耀典藏版)大家好，我是月夜枫。什么是Kafka？Kafka 是一个‌分布式事件流平台‌，主要用于高吞吐量的实时数据传输与处理。

模型训练-分布式与GPU调度🏠 返回 README ｜ ⬅️ 上一篇：特征平台｜ ➡️ 下一篇：模型 Serving风格说明：本篇是机制+操作型——从支付域 ML 训练（欺诈 XGBoost/深度排序/LLM 风控辅助）到分布式并行、GPU 调度、MFU 与 checkpoint。覆盖「单卡训不下 → 怎么分布式 → 怎么调度 GPU 集群」。

大模型码小白

Milvus 架构设计：从向量索引到分布式检索，AI 原生存储引擎的内部机制在人工智能应用爆炸式增长的今天，非结构化数据（如图片、视频、音频、文本）的处理成为核心挑战。传统的关系型数据库擅长处理结构化数据，但对高维向量数据的存储、索引和检索却力不从心。Milvus 作为一款开源的向量数据库，专为 AI 应用而生，其架构设计深刻体现了“AI 原生”的理念——从底层存储到上层查询，都围绕向量数据的高效处理而构建。

论分布式系统的半开闭问题节点 A 向节点 B 发出一个请求，然后等待响应。在等待期间，A 不知道 B 是否收到了请求，不知道 B 是否正在处理，不知道 B 是否已经发出了响应而响应在网络中丢失。A 只知道一件事：我还没有收到响应。除此之外，A 对 B 的状态一无所知。

XXL-JOB 定时任务——从 Docker 部署到分片广播，分布式任务调度落地@Scheduled 单机跑跑还行，多实例部署了就全乱了——哪个实例执行？重复执行怎么办？数据怎么分片并行处理？XXL-JOB 就是专治这些的：调度中心统一管任务，执行器集群自动注册，分片广播把大数据量拆成 N 份给 N 台机器并行跑。这篇文章从 Docker 部署、Spring Boot 3.x 整合，到分片广播、任务参数、失败处理、父子任务链，全部用一个完整流程串下来。

论双机热备：分布式双机热备是一个直觉上合理但分布式理论上脆弱的方案。它试图用两台机器实现对等的高可用——任一台故障，另一台立即接管。这个目标在单机思维下自然成立，但在分布式条件下，它面临一个无法绕过的矛盾：两台机器如果对等，就无法收敛；如果收敛，就不再对等。

论无知：分布式承认无知，不是认输，是认清边界。有一种认知惯性，认为“知道”是常态，“不知道”是暂时的、可修复的缺陷。今天不知道，明天可以知道。这一代不知道，下一代可以知道。这种惯性把无知视为知识总量的一个减项，等待被新知填补。但有一类无知不是知识总量的减项，而是认知能力本身的边界。它不是尚未被照亮的黑暗，而是光本身无法穿透的墙。

脱胎换骨-军哥

C++ 与 Go 生成质量比拼，谁是分布式主力语言在现代分布式系统的技术选型中，C++ 与 Go 的竞争从未停止。C++ 凭借极致的性能和庞大的遗留生态，长期占据底层基础设施的阵地；Go 则以简洁的并发模型和优异的工程效率，在云原生时代攻城略地。本文将从语言特性、代码生成质量、生态完整性以及实际应用场景等多个维度，横向对比 C++ 与 Go 在分布式领域的表现，探讨谁才是真正的「主力语言」。

XGF10-Z-4典型接入方式解析：10千伏专变用户380伏多点分布式光伏如何并网？在工商业园区、大型厂区、产业基地等场景中，大量10kV专变用户存在多屋顶、多点位、分散式380V低压光伏并网需求。多点低压光伏无序接入，极易出现数据碎片化、功率不可控、电压波动超标、调度指令无法落地等问题，长期面临并网验收难、常态化限发、电力市场准入受阻等合规困境。

阿里云云原生

Agent 不再是“玩具”！AgentScope Java 2.0 GA 发布：构建企业级分布式智能体底座作者：刘军（陆龟）AgentScope Java 2.0 的核心思路，是基于 ReActAgent 推理内核基础上，增加 Harness 工程化层。开发者既可以继续使用轻量的 ReAct 循环，也可以按需启用 Workspace、持久记忆、Session、Sandbox、Skill 和 Subagent 等能力，将同一套 Agent 逻辑落地部署到企业级分布式服务中。

RabbitMQ 面试问答很多业务不是一个接口干到底，下单之后还要发短信、推仓储、写搜索索引——如果全同步串行，一个环节慢或挂了，整条链路都受影响。

【大数据】《传统Hadoop大数据技术入门：补充与进阶——从数据格式到智能决策的问答实录》——写给已读《传统Hadoop大数据技术入门：从数据源到用户界面的全链路实践指南》的读者第一本书带你走完了“从数据源到用户界面”的全链路。但真正的生产环境，远不止一条笔直的管道。

TurboLock：从 v1 Redis 分布式锁到 v2 Go 并发控制中间件TurboLock v2 的重点不是重新实现一遍 SETNX，而是在 v1 锁内核之上，让业务只需要提供 Redis Client、锁 key 和回调函数，就能完成一次完整、可观测、可插拔的并发控制。

【参天引擎】事务生命周期 / MVCC / Undo / ACID / 分布式事务功能域整体解析阅读时间: 约 55 分钟难度等级: ⭐⭐⭐⭐⭐（高级）事务管理是 Cantian 数据库 ACID 特性的核心实现层，位于 SQL 执行层与内核存储引擎之间。它涵盖完整的事务生命周期（BEGIN/COMMIT/ROLLBACK）、全局 XID 分配与事务槽管理、基于 Undo 版本链的 MVCC 多版本并发控制、Savepoint 回滚点支持、以及集群环境下的分布式事务协调。本章深入解析事务管理的各子模块架构与核心实现机制。