春与秋其代序

为什么“幂等”是分布式系统最关键的工程概念之一？ 并发写入 重试机制 MQ 至少一次投递 网络超时 + 客户端重发 不做幂等 = 订单重复扣钱、优惠券发多张、库存扣穿 幂等的四类场景

为什么“零宕机上线”是企业级系统的硬指标？ 多租户 SaaS 不能宕机 金融交易系统不能断 政务平台不可中断 零宕机发布是高可用体系的最后一块拼图

为什么系统越做越大就越混乱？ 多团队并行 功能快速堆叠 老代码无人敢改 结果就是： 组件碎片化、逻辑碎片化、数据碎片化、技术碎片化 这就是“系统碎片化”。

为什么“容量评估”是决定系统能否活下去的核心能力？ 系统崩溃不是因为坏 是因为 超出容量却无人知晓 容量规划是大厂 SRE/架构的核心任务之一 容量评估的三大核心指标

为什么中大型系统一定会出现“数据不一致”？ 分布式系统没有绝对一致 事件丢失、任务失败、双写失序、缓存滞后、补偿延迟 数据不一致不是“有没有”，而是“何时出现 & 如何发现”

为什么日志 + 可观测性也不足以解决所有线上问题？ 分布式系统不是单点可重现 用户行为、状态、调用链变化巨大 很多线上问题：本地复现不了、测试环境复现不了、灰度环境复现不了

为什么事件总线是“大型系统的生命线”？ 复杂系统不是靠 RPC 扩展的 一切大型系统最终都要走向 事件驱动（EDA） 单层事件系统会导致混乱，分层事件总线 才是真解法

为什么所有大型系统都需要“灰度 + 回滚”？ 灰度不是为了慢，而是为了 最小化风险。 回滚不是“git revert”，是系统级逆转能力。 真正成熟的后端，一定能做到 “上线不慌，回滚不难” 。

为什么分布式锁一直被“低估”？ 很多系统不是因为 DB 慢，而是因为并发写入导致一致性问题 分布式锁是防止混乱写入的基础能力 但做不好会变成性能黑洞 分布式锁的正确使用场景