🏷️ DDIA
本标签共 20 篇文章。
为什么每个后端工程师都应该读DDIA？这不是一本讲API用法的书，而是一把打开系统设计思维的钥匙。数据系统的不可能三角——可靠性、可扩展性、可维护性可靠性、可扩展性、可维护性——这三个词定义了什么是好的数据系统。可靠性——当故障来临，系统如何 survive？硬件会坏、软件有 bug、人会犯错——可靠性不是让故障不发生，而是在故障发生时，系统能优雅地活下来。可扩展性——当流量暴涨10倍，你的系统扛得住吗？流量暴涨10倍，系统还能不能扛住？可扩展性不是“无限扩展”，而是“优雅地应对增长”。存储引擎探秘——LSM-Tree vs B-Tree，谁更胜一筹？数据库底层的存储引擎决定了你写入和查询的速度——B-Tree 和 LSM-Tree 是两大主流，各有各的绝活。数据模型之战——关系型、文档型、图数据库怎么选？数据模型决定了你如何思考问题——关系型、文档型、图数据库，各有各的战场。数据编码与演化——如何做到不停机变更 Schema？数据格式变了，代码也变了，但老数据还在、老客户端还在——如何不停机完成这一切？数据复制——主从、多主、无主三种架构的权衡数据复制是分布式系统的基石——主从、多主、无主三种架构，各自解决了什么问题，又带来了什么新的麻烦？数据分区——如何将海量数据拆分到多台机器？数据复制解决了高可用和读扩展，数据分区解决了单机放不下的问题——但怎么分、怎么查、怎么扩容，每一个都是坑。事务简史——从 ACID 到分布式事务事务是数据库最复杂也最核心的话题——从ACID的四个字母到分布式事务的两阶段提交，每一步都是权衡。分布式系统的“部分失效”——网络延迟、时钟与故障检测在分布式系统中，最可怕的不是整个系统崩溃，而是“部分失效”——你永远不知道一个节点是死了、慢了，还是网络断了。一致性是一个连续谱——线性一致性、因果一致性、最终一致性一致性不是“有”或“没有”——它是一个从最强到最弱的光谱。线性一致性、因果一致性、最终一致性，分别适合什么场景？共识算法剖析——从 Paxos 到 RaftPaxos 是分布式共识的理论基石，Raft 是工程实践的黄金标准——从 Paxos 到 Raft，共识算法走过了从“可证明”到“可理解”的进化之路。批处理——MapReduce 及其超越批处理是数据系统的“压舱石”——从 Unix 管道到 MapReduce，再到 Spark 和 Flink，批处理的演化史就是大数据技术的缩影。流处理——从 Kafka 到 Flink，实时数据处理的演进从批处理到流处理，从 Kafka 到 Flink——实时数据处理如何从“每秒跑一次批处理”演变为“事件发生时立即处理”？数据系统的未来——Flink、Snowflake 与 AI 时代的挑战从 Flink 3.0 到 Snowflake AI 数据云，从 Agentic Streaming 到统一智能底座——数据系统正在被 AI 彻底重塑，我们正站在一个范式跃迁的临界点上。NoSQL、NewSQL 与数仓——数据系统生态全景图从 NoSQL 的弹性到 NewSQL 的强一致性，从 OLTP 的实时到 OLAP 的分析——数据系统是一个丰富多彩的生态系统，每种系统都有它最擅长的战场。DDIA 核心思想串讲——全书知识体系一张图十四篇文章，十四个主题——今天我们用一张全景图把 DDIA 的所有知识点串联起来，看看它们之间到底有什么逻辑关系。从理论到实践——如何用 DDIA 的思维做技术选型？理论知识学完了，但面对真实业务场景时该怎么选？这篇文章用一个完整案例，带你走一遍 DDIA 思维框架下的技术选型全流程。读完后该读什么？——DDIA 延伸阅读指南DDIA 读完了，然后呢？这份延伸阅读指南帮你规划从理论到实践、从广度到深度的下一步学习路径。共 20 篇文章