暂无搜索历史
在微服务架构中,服务不可能是100%可靠的。数据库会超时、网络会抖动、第三方接口会挂掉、流量会突然飙升。面对这些不确定因素,如果说限流是"不让问题发生",熔断是...
在微服务架构中,分布式事务是企业级应用必须面对的核心挑战。CAP定理告诉我们,在分布式系统中,一致性(Consistency)、可用性(Availability...
电商订单系统,用户下单后调用库存扣减、积分增加、优惠券核销、物流创建——四个服务串行同步调用,总耗时 = 库存200ms + 积分150ms + 优惠券180m...
定时任务处理海量数据,数据库被打爆,重试机制混乱,任务状态丢失——凌晨2点全线报警。
教训:服务拆分不是越多越好。拆得太细,服务治理复杂度指数上升。我们后来把20个服务合并回了8个核心服务。
踩坑场景:对品牌字段聚合,报错"Fielddata is disabled on text fields"。
踩坑场景:Redis库存扣减后,MQ消息发送失败或消费者处理失败,导致MySQL库存没有扣减。
听起来原始吧?但这确确实实就是我们当时的操作。更要命的是,因为是手动操作,经常出现:
秒杀是电商平台常见的营销活动:商家以极低价格限量售卖商品,用户在同一时间集中抢购,具有瞬时高并发、库存少、读写频繁的特点。比如某品牌手机新品首发,1000台手机...
在分布式系统架构中,服务之间的依赖调用就像一张复杂的蜘蛛网。一个核心服务往往依赖多个下游服务:支付服务依赖银行网关、账户服务、风控服务;订单服务依赖库存服务、物...
说这话的是我前同事阿Ken,某社交平台的技术负责人。2019年,他们平台经历了一次惊心动魄的性能事故:核心接口 P99 响应时间从正常的 200ms 飙升到 3...
2020年双十一,我们做了一次大促。预期流量是平时的5倍,我们按照这个量级做了扩容。
2019年的双十一,我们电商平台搞了个新用户首单1元购活动。结果,活动刚上线半小时,奖品就全被薅完了——不是被真实用户薅的,是被黑产用脚本薅的。
但这还不够。我们需要的不仅是容器化,而是云原生——一套完整的以云为基础的架构理念和方法论。
有一次,一个初级开发人员把测试环境的配置push到了master,然后运维直接部署了这个版本。结果生产环境的数据库连接串了,把测试库的数据写了一部分到生产库。
踩坑场景:压测产生的订单数据混入了生产订单,运营同事以为是真实订单,导致发货错误。
踩坑场景:项目赶进度时,大家说"先这样,后面再优化"。但后面从没优化过,技术债越积越多。
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市