分布式

EtherCAT协议：从“飞读飞写”机制到分布式时钟同步的实时以太网架构深度解析目录1 引言2 协议分层架构与设计哲学2.1 OSI模型中的层次定位2.2 主站与从站的非对称设计3 ESC硬件架构与报文在线处理机制

对于Redis：Hash类型的解析hello 大家，本篇博客我们来学习Redis中的hash类型数据。作为 Redis 五大基础数据类型（String、Hash、List、Set、Zset）中最适合存储结构化数据的类型，Redis Hash（哈希 / 字典）在实际开发中的使用频率仅次于 String，也是面试中 Redis 板块的高频考点。

Agent 技术摘要 03 —— 基座模型、推理模型、Flash、联邦学习、分布式机器学习系列为笔者在实习过程中的所见所闻记录，内容为技术摘要，旨在提供关于Agent领域相关技术名词的通俗和简要介绍，详细内容暂不展开，供同在该领域进修的童鞋们参考。

程序猿乐锅

【黑马点评 | 第十一篇】关注 Feed 流实现关注 Feed 流解决的是一个连续推送问题：用户发布探店笔记后，关注他的粉丝可以在自己的关注页面看到这篇笔记，并且通过不断下拉获取更早或更新的内容。黑马点评使用 Redis 保存粉丝收件箱，发布时写入，查询时按发布时间倒序读取。

【C++标准项目】C++基于protobuf的发布订阅式消息队列（篇一）：项目概述＋环境搭建我们之前学过阻塞队列（BlockingQueue），它最典型的应用场景就是实现生产者消费者模型。生产者消费者模型是后端开发中非常常用的编程方式，它带来诸多好处：

今年下半年

【Spring Boot】多种存储文件（FastDFS / MinIO / 阿里云 OSS）接入设计说明（附源码）本地文件系统 / FastDFS / MinIO / 阿里云 OSS** 四种存储的统一接入方式。把"文件存哪里"这件事从业务代码里彻底剥离：

对于Redis：string类型的解析hello 大家，那么在大家学习完了Redis的单线程模型之后，我们接下来就要再进一步的学习Redis的相关知识点，首当其冲的就是string类型，所以，接下来我们就来学习一下Redis中的string类型。

RabbitMQ---可靠性传输上图是RabbitMQ的消息传递图。从生产者发送消息到消费者消费消息，这个过程中，消息是可能会丢失的。那么我们就来看一下具体有哪几个场景会出现消息丢失的问题。

【RabbitMQ #13】 | 延迟消息简介：讲解 RabbitMQ 两种实现延迟消息方案：DLX 死信交换机、延迟消息插件；针对订单超时业务痛点，引入阶梯式延迟消息优化方案，附完整 Go 代码。

秒杀系统设计（二）：数据正确性——防超卖、分布式锁与一人一单【系列说明】本文是《秒杀系统设计》系列的第 2 篇，共 3 篇。系列主线只有一句话：秒杀的本质是漏斗，不是堆机器。

weixin_42418361

开放—封闭原则实战（下）：基于策略的流程编排与编译期多态在上篇中，我们通过**“纯虚接口 + 泛型工厂 + 注册目录”的三位一体架构，彻底消灭了业务分发中心 dispatch() 里的 if-else，实现了业务类型在运行时的即插即用**。

RabbitMQ---事务和消息分发RabbitMQ是基于AMQP协议实现的，该协议实现了事务机制。因此RabbitMQ也支持事务机制。Spring AMQP也提供了事务相关的操作。RabbitMQ事务允许开发者确保消息的发送和接收都是原子的。

分布式事务：场景与选型决策表分布式事务的使用场景，本质上是由业务操作跨越了多个独立的资源（数据库/服务），且业务要求这些操作必须保持一致所驱动的。

5.《Designing Data-Intensive Applications》：系统设计与分布式能力提炼第五阶段学习目标：从软件工程、代码设计、应用架构进一步进入系统设计。核心问题：当一个程序变成一个真正的系统，面对大量数据、多个进程、多个服务和大量用户时，应该如何设计？

分布式 ID 生成：雪花算法、号段模式与时钟回拨关键词标签：分布式ID Snowflake 号段模式时钟回拨 Leaf一个反直觉的结论先放在这里：Snowflake 的难点从来不是那 64 位怎么切，而是当 NTP 把机器时间往回拨了 3 秒时，你的服务该怎么办。位运算部分看十分钟文档就能写对，但时钟回拨的处理策略，直接决定了这套 ID 方案在生产环境里是"能用"还是"能扛"。本系列前面聊过线程池、AQS、CompletableFuture 这些并发底座，分布式 ID 恰好是把这些底座和分布式协调揉在一起的一个典型场景，值得单独拆一次。

【RabbitMQ #11】 | 消费者可靠性为了确认消费者是否成功处理消息，RabbitMQ 提供了消费者确认机制（Consumer Acknowledgement）。当消费者处理消息结束后，向 RabbitMQ 发送回执，告知消息处理状态。回执分为 3 种：

【RabbitMQ #9】 | 生产者可靠性场景：支付服务网络异常，消息发出但未消费，目标：保证消息至少被消费一次。消息丢失三大场景：作用：客户端与 MQ 通信异常（网络断开、连接超时）时重试。

TB级文本去重实战：从单机 OOM 到 Spark / Ray 分布式架构的工程演进适合谁：需要构建离线训练语料去重、并对删除结果承担审计责任的数据平台团队。默认策略：精确去重后，以字符 5-gram + MinHash LSH 找候选、真实 Jaccard 验证、连通分量选代表。不自动覆盖：热点桶、短文、超长文只保留并报告覆盖缺口。

从集中式到分布式：Data Mesh颠覆传统数据架构的底层逻辑在企业数字化深度落地的当下，数据已然成为核心生产要素，而数据架构作为数据价值释放的底层基石，正经历一场颠覆性的范式变革。长期以来，企业数据体系依托数据仓库、数据湖构建的集中式架构实现数据统一汇聚与治理，这套“中央集权”模式在数据体量小、业务场景简单的阶段，能够高效实现数据整合与标准化分析。但随着企业业务多元化扩张、数据量级指数级增长、实时决策场景常态化，集中式数据架构的瓶颈彻底暴露：数据流转滞后、治理效率低下、业务适配性差、规模化拓展困难，传统架构的顶层设计逻辑已无法匹配现代企业的数据运营需求。在此背景

React Native for OpenHarmony 实战：三方库 react-native-device-uptime 的鸿蒙化适配指南react-native-device-uptime 只做一件事：读设备自启动以来的运行时长。埋点上报"本次开机多久"、诊断异常重启、统计设备稳定性时会用到。