对于分布式、高并发系统的开发其核心思路确实可以归纳为“逐层治理、降级兜底”。我们从数据层、缓存层、业务层和流量层四个维度来重新构建整个知识体系。1. 数据层数据库守住数据的最终防线慢SQL分析 - 索引优化 - SQL改写。在此基础上补充两个关键点执行计划是依据使用EXPLAIN分析时重点关注type至少要达到range或ref、rows扫描行数和Extra是否出现Using filesort或Using temporary。索引优化的细节遵循联合索引的最左前缀匹配原则避免索引失效。应对深分页问题如limit 100000, 10采用延迟关联先查主键ID或游标查询基于排序字段的where 上次最大值。SQL改造的边界当单表SQL无法优化时进行SQL拆分将复杂联表查询拆分为多次单表查询在应用层做关联以解耦数据库压力。2. 缓存层Redis/本地缓存扛住绝大部分读压力引入缓存Redis 本地缓存是提升性能的关键但必须防范三大经典问题及对应的兜底方案缓存穿透查不存在的数据兜底缓存空对象null值或使用布隆过滤器拦截。缓存击穿热点Key失效兜底使用互斥锁如Redis的SETNX只允许一个线程重建缓存其他线程等待或重试。缓存雪崩大量Key同时失效兜底给缓存过期时间设置随机偏移量如基础时间 随机秒数避免集体失效。数据一致性更新DB后采用删除缓存而非更新缓存的策略等待下一次查询时再重建风险更低。3. 业务层并发与一致性处理写的冲突与幂等高并发下的写操作核心目标是保证数据最终一致性和幂等性。并发控制优先使用乐观锁版本号控制并发更新如update set version version 1 where id ? and version ?适合读多写少。当乐观锁冲突严重或需要强一致性时再考虑分布式锁如Redisson需关注其WatchDog自动续期机制。幂等性保障DB层兜底利用数据库唯一索引作为最终防线防止数据重复写入。应用层处理采用“先尝试插入后捕获DuplicateKeyException”的模式消除先查后插的并发时间窗口。ID生成分库分表下必须使用分布式ID如雪花算法避免依赖数据库自增ID。4. 流量与解耦层MQ与限流削峰填谷保护系统异步解耦明确业务边界核心链路如扣库存同步非核心链路如发积分、日志异步。使用RocketMQ事务消息来保证核心事务与非核心操作的最终一致性需理解其状态回查机制。流量控制引入限流如Sentinel防止突发流量压垮系统保护自身及下游依赖。 总结一个核心原则所有上述手段归根结底都围绕着一个核心原则让专业的人做专业的事层层设防并准备好Plan B。数据库负责通过索引和唯一约束保证绝对的准确与唯一。缓存负责通过多级存储和防击穿策略保证极高的读取效率。业务代码负责通过锁和幂等设计协调并发的写操作。消息队列负责通过异步和削峰实现松耦合的系统生态。这套体系已经可以覆盖绝大多数分布式高并发场景的挑战。它并非简单的技术堆砌而是一个需要根据业务场景不断权衡如强一致性vs.最终一致性、性能vs.可靠性的动态决策过程。