分布式系统

2013年，Target进军加拿大市场，133家门店同时开业。短短两年后，这家美国零售巨头黯然退出加拿大，累计损失超过21亿美元。根本原因之一是库存数据迁移的灾难性失败——货架上的商品和系统里的记录完全对不上，顾客在结账时发现价格与标签不符，仓库里堆满了系统显示"缺货"的商品。 ...

用户在社交平台上发布了一条评论，刷新页面后评论消失了。再刷新一次，评论又出现了。用户困惑：我的评论到底保存成功了没有？ 这不是偶发的bug。在生产环境中，这类问题每天都在发生。根因往往指向同一个架构决策：读写分离。 ...

一个API报告的中位响应时间是50毫秒，运维团队对此很满意。但用户持续投诉系统"卡顿"。监控面板显示P99延迟达到了2秒——这意味着每100个请求中就有1个需要等待2秒。如果这个系统每秒处理1000个请求，那么每分钟就有600个用户在经历糟糕的体验。 ...

2012年6月30日午夜，全球多家知名网站突然瘫痪。Reddit用户发现网站无法访问，LinkedIn的Java进程陷入死循环，Mozilla的Hadoop集群停止工作，澳洲航空公司的值机系统全面崩溃。罪魁祸首只有一个：一个叫做"闰秒"的额外时间单位。 ...

2019年，一个电商团队在双十一大促期间遇到了诡异的问题：大量用户反映购物车商品莫名消失，但客服排查后发现商品数据本身没有任何问题。监控日志显示，用户的会话ID在请求链路中发生了跳变——用户从服务器A跳到了服务器B，而服务器B从未见过这个会话。这不是bug，这是分布式系统架构的必然代价。 ...

2016年，一个初创团队决定采用事件溯源架构来构建他们的电商系统。两年后，当被问及这个决策时，技术负责人的回答让人深思：“如果你问我是否后悔选择事件溯源，我的回答是：不后悔。但如果让我重新选择，我会先用CRUD。” ...

1997年，NASA的Mars Pathfinder探测器在火星表面成功着陆后不久，开始出现诡异的系统重启。每次重启都导致数据采集中断，任务濒临失败。工程师们排查后发现，问题出在一个经典的分布式系统困境：优先级反转导致低优先级任务长时间占用关键资源，高优先级的"看门狗"任务无法及时执行，系统误判为故障并触发重启。 ...