architecture 分类归档 | 土法炼钢兴趣小组的算法知识备份

【GPU 算子工程】全景：算子工程在 AI 计算栈的位置

2026-06-26 | gpu · architecture | #cuda #gpu #kernel #cublas #cudnn #operator #ai-stack #ptx #sass

从框架一行 matmul 到 PTX/SASS，拆开 AI 计算栈的分层：框架算子、算子库、手写 kernel、编译器生成。回答工程师什么时候才需要自己写或调 kernel，以及本系列的实验环境与方法。

【GPU 算子工程】GPU 执行模型：SM、warp、线程层次与 occupancy

2026-06-27 | gpu · architecture | #cuda #gpu #sm #warp #simt #occupancy #thread-hierarchy #divergence

讲清 grid/block/warp 如何映射到 SM，SIMT 执行与 32 线程 warp 的本质，分支发散为何昂贵（实测 1.7 倍），以及 occupancy 的含义。建立一切 GPU 性能优化的硬件直觉。

【GPU 算子工程】写第一个 CUDA kernel：索引、同步与启动配置

2026-06-27 | gpu · architecture | #cuda #kernel #grid-stride #syncthreads #launch-config #block-size #indexing

从向量加法到归一化，讲清 CUDA kernel 的结构：全局索引计算、grid-stride loop、__syncthreads 同步、launch 配置选择与错误检查。实测 block 大小对带宽的影响，给出安全默认值。

【GPU 算子工程】访存优化：合并访问、bank conflict 与对齐

2026-06-28 | gpu · architecture | #cuda #memory-coalescing #bank-conflict #shared-memory #alignment #bandwidth

global memory 合并访问与 shared memory bank conflict 是 GPU 访存优化的两大主题。实测跨步访问让有效带宽从 412 跌到 90 GB/s，32 路 bank conflict 让 shared 访问慢 11 倍。讲清成因与规避方法。

【GPU 算子工程】Occupancy 与延迟隐藏：寄存器、shared memory 的取舍

2026-06-28 | gpu · architecture | #cuda #occupancy #latency-hiding #registers #shared-memory #register-spilling #launch-bounds

occupancy 是 SM 驻留 warp 与上限之比，由寄存器、shared memory、block 限制决定。实测访存密集 kernel 在约 33% occupancy 就饱和带宽，更高 occupancy 无益，并解释寄存器溢出为何让高 occupancy 反而变慢。

【GPU 算子工程】Roofline 模型：判断算子是 compute-bound 还是 memory-bound

2026-06-28 | gpu · architecture | #cuda #roofline #arithmetic-intensity #compute-bound #memory-bound #performance-model

Roofline 用算术强度把算子定位到性能上限曲线，回答优化该往算力还是访存使劲。在 RTX 3060 Ti 上实测扫描算术强度，得到经验屋顶线：脊点约 36 FLOP/byte，低强度区贴带宽、高强度区逼近 FP32 峰值 86%。

【GPU 算子工程】Nsight 调优工作流：Compute 与 Systems 怎么读

2026-06-28 | gpu · architecture | #cuda #nsight-compute #nsight-systems #profiling #ncu #nsys #stall-reasons

Nsight Systems 看时间线找哪个 kernel 值得优化，Nsight Compute 看单 kernel 的 SM/内存吞吐、stall reason、occupancy 定位瓶颈。讲清两者分工、关键指标含义，以及没有 GUI 时用 CUDA event 计时的轻量替代方法。

【GPU 算子工程】Reduction 与 Scan：warp shuffle、block 级与 grid 级归约

2026-06-28 | gpu · architecture | #cuda #reduction #scan #warp-shuffle #prefix-sum #shfl-down #atomics

归约是协作类算子的入门。实测三种 block 内归约树：发散+bank conflict 75ms、顺序寻址 44ms、warp shuffle 22ms。同时揭示单遍归约受访存限制时这些优化为何不可见，以及 scan 的并行思路。

【GPU 算子工程】GEMM：从朴素实现到 shared memory tiling 与寄存器分块

2026-06-28 | gpu · architecture | #cuda #gemm #matmul #tiling #shared-memory #register-blocking #arithmetic-intensity

GEMM 是 GPU 算子优化的标杆。在 RTX 3060 Ti 上实测四个版本：朴素 990、shared tiling 1309、寄存器分块 64 达 4447、128 达 6375 GFLOP/s（峰值 39%）。讲清每一步优化提高的是什么，以及为什么数据复用是关键。

【GPU 算子工程】Tensor Core 与 MMA：wmma、mma.sync 与数据布局

2026-06-28 | gpu · architecture | #cuda #tensor-core #wmma #mma #mma-sync #fp16 #bf16 #tf32 #hmma

Tensor Core 把矩阵乘做进专用硬件。实测 RTX 3060 Ti 的 FP16 Tensor 吞吐达 72.8 TFLOP/s，约 FP32 峰值的 4.5 倍。讲清 MMA 指令、wmma fragment API、数据布局与精度要求，以及为什么喂数据才是真正的瓶颈。

【GPU 算子工程】CUTLASS 与 CuTe：模板化 GEMM 与布局代数

2026-06-28 | gpu · architecture | #cuda #cutlass #cute #gemm #layout #tensor-core #template-metaprogramming

CUTLASS 用分层模板把 GEMM 拆成 device/kernel/threadblock/warp/instruction 五层，CuTe 用统一的 Layout 代数描述张量在各级存储的布局。讲清这套抽象如何在不手写 PTX 的前提下把 Tensor Core 喂到接近峰值。

【GPU 算子工程】Softmax、LayerNorm 与逐元素融合

2026-06-28 | gpu · architecture | #cuda #softmax #layernorm #online-softmax #welford #fusion #elementwise

归约类算子是 memory-bound 的典型。讲 softmax 的数值稳定写法（减最大值、在线 softmax）、LayerNorm 的 Welford 单遍方差，以及逐元素融合：实测把 scale+bias+GELU 三个 kernel 融成一个，提速 2.94 倍。

【GPU 算子工程】FlashAttention：在线 softmax 与 IO-aware 注意力

2026-06-28 | gpu · architecture | #cuda #flash-attention #attention #online-softmax #io-aware #transformer #recompute

FlashAttention 把注意力重写成分块的在线 softmax，不落地 N×N 分数矩阵，用重算换访存。本文推导算法、给出实测正确的简化实现（误差 4e-7、避免 16.8MB 分数矩阵），并引用原论文的加速与显存数据。

【GPU 算子工程】Triton：tile 级编程模型与 autotune

2026-06-28 | gpu · architecture | #cuda #triton #tile #autotune #jit #openai-triton #dsl

Triton 用 tile（block of pointers）抽象替代 CUDA 的单线程视角，把合并访问、shared 管理、bank conflict 交给编译器，配合 autotune 自动搜配置。讲清它的编程模型、与手写 CUDA 的能力边界，以及为什么它成了算子开发主力。

【GPU 算子工程】Kernel Fusion 与 epilogue：减少 HBM 往返

2026-06-28 | gpu · architecture | #cuda #kernel-fusion #epilogue #hbm #memory-bound #torch-compile #xla

融合通过减少中间结果的 HBM 往返提速 memory-bound 算子。实测逐元素链融合的加速比随链长线性增长（k=16 时 16.8 倍）。讲清逐元素融合、归约融合、GEMM epilogue 融合，以及什么时候不该融合。

【GPU 算子工程】量化与多精度算子：INT8 / FP8、反量化与 per-channel

2026-06-28 | gpu · architecture | #cuda #quantization #int8 #fp8 #fp16 #dequantization #per-channel #dp4a

低精度既省显存带宽又提算力。实测 FP16 逐元素算子比 FP32 快 1.81 倍。讲清量化的对称/非对称、per-tensor/per-channel 粒度、反量化时机、INT8 dp4a 与 Tensor Core 路径，以及精度对齐的工程坑。

【GPU 算子工程】通信与计算重叠：NCCL collective 与 kernel overlap

2026-06-28 | gpu · architecture | #cuda #nccl #overlap #cp-async #streams #allreduce #distributed

多卡训练/推理中，通信不与计算重叠就是纯开销。讲三个层次的重叠：kernel 内 cp.async 异步加载、kernel 间 stream 并发、分布式里 NCCL collective 与反向计算的重叠，以及 SM 资源争抢的代价。

【GPU 算子工程】算子库工程：dispatch、autotune cache 与 JIT

2026-06-28 | gpu · architecture | #cuda #nvrtc #jit #dispatch #autotune #kernel-library #aot

单个 kernel 到可维护算子库的工程问题：按 shape/dtype/arch 选 kernel 的 dispatch、autotune 结果缓存、AOT 与 JIT（NVRTC 运行时编译）的取舍。以本系列实际用的 NVRTC JIT 流程为例。

【GPU 算子工程】调试与数值正确性：compute-sanitizer 与对齐测试

2026-06-28 | gpu · architecture | #cuda #debugging #compute-sanitizer #race-condition #numerical-correctness #floating-point #testing

GPU kernel 的 bug 分两类：内存/竞态错误和数值错误。讲 compute-sanitizer 查越界与 race、对参考实现做容差对齐（实测 FlashAttention 误差 4e-7）、浮点非结合性带来的不可复现，以及常见同步陷阱。

【GPU 算子工程】趋势：TMA、Blackwell、ThunderKittens 与编译器协同

2026-06-28 | gpu · architecture | #cuda #tma #hopper #blackwell #thunderkittens #triton #mlir #fp8 #fp4

算子工程的前沿方向：Hopper 的 TMA 异步搬运与 wgmma、Blackwell 的更低精度、ThunderKittens 等 tile 级库降低门槛、Triton/MLIR 的编译器自动生成算子。本系列测试卡为 Ampere，相关特性为引用与前瞻，明确标注。

GPU 高性能算子工程

2026-06-26 | gpu · architecture | #cuda #gpu #kernel #tensor-core #cutlass #triton #flash-attention #gemm #nsight #roofline #hpc

从 GPU 执行模型与内存层次出发，系统讲解如何写出并调优高性能 CUDA 算子：访存合并、occupancy、Roofline、Nsight 调优，reduction/GEMM/Tensor Core/FlashAttention 核心算子实现，以及 Triton、CUTLASS、kernel fusion 与算子库工程。

【GPU 算子工程】内存层次：global / L2 / shared / register 的带宽与延迟

2026-06-27 | gpu · architecture | #cuda #gpu #memory #shared-memory #l2-cache #bandwidth #latency #hbm

拆开 GPU 的存储金字塔：寄存器、shared memory、L1/L2、global memory 的容量、带宽与延迟量级。用实测展示 L2 命中（约 3.4 TB/s）与 DRAM（约 400 GB/s）相差近一个数量级，解释为什么数据放哪决定算子性能。

【大模型基础设施工程】01：大模型基础设施全景 —— 训练、推理、RAG、Agent、观测

2026-04-22 | architecture · ai-infra | #llm #infra #overview #training #inference #rag #agent #deepseek #openai

面向工程师的大模型基础设施开篇地图，覆盖 2022 到 2026 的工程分水岭、五层工程栈、训练与推理的工程差异、中国与全球行业版图以及成本曲线。

【大模型基础设施工程】02：GPU 计算入门——SM、Tensor Core、HBM、NVLink

2026-04-22 | architecture · ai-infra | #llm #infra #gpu #cuda #tensor-core #hopper #blackwell #hbm #flashattention #ascend

从 CPU 与 GPU 的架构差异出发，讲清楚 SM、Warp、Tensor Core、HBM、NVLink 的工程含义，并结合 Roofline、FlashAttention 与国产算力栈，给出大模型工程师能直接上手的 GPU 心智模型。

【大模型基础设施工程】03：CUDA 生态——cuBLAS、cuDNN、NCCL、Triton、CUTLASS

2026-04-22 | architecture · ai-infra | #llm #infra #cuda #cublas #cudnn #nccl #triton #cutlass #rocm #cann #tensor-engine

从 nvcc 到 Triton，把 NVIDIA 软件栈的每一层拆给大模型工程师看，顺便谈谈 ROCm、CANN 为什么一直追不上。

【大模型基础设施工程】04：互联与网络——NVLink、InfiniBand、RoCE 与国产替代

2026-04-22 | architecture · ai-infra | #llm #infra #interconnect #nvlink #infiniband #roce #nvswitch #nvl72 #fat-tree #ascend #huawei-cloudmatrix

从 NVLink / NVSwitch / NVL72 到 InfiniBand NDR 与 RoCEv2，再到华为 CloudMatrix、阿里 HPN、腾讯星脉，系统梳理万卡集群互联的工程选型与踩坑。

【大模型基础设施工程】05：训练全景：Pre-train、SFT、RLHF、DPO、蒸馏

2026-04-22 | architecture · ai-infra | #llm #infra #training #pretrain #sft #rlhf #scaling-law #adamw #tokenizer #deepseek #chinchilla

以工程视角串联现代 LLM 的四阶段训练栈——预训练、中训、SFT 与对齐——覆盖数据、Tokenizer、优化器、精度、Scaling Law 与代表性训练框架。

【大模型基础设施工程】06：3D 并行深度——数据 / 张量 / 流水 / 序列 / ZeRO

2026-04-22 | architecture · ai-infra | #llm #infra #parallelism #data-parallel #tensor-parallel #pipeline #sequence-parallel #zero #fsdp #megatron #dualpipe

万卡训练的基石：从 DP、TP、PP、SP、EP 到 ZeRO/FSDP，再到 DualPipe 的零气泡流水，一篇讲透并行策略的工程选型与通信优化。

【大模型基础设施工程】07：Megatron-LM 与 DeepSpeed

2026-04-22 | architecture · ai-infra | #llm #infra #megatron #deepspeed #fsdp #torchtitan #colossal-ai #training-framework #zero #nemo

开源训练框架双雄对比，覆盖 Megatron-LM、DeepSpeed、FSDP2、torchtitan、Colossal-AI，含选型与工程实操。

【大模型基础设施工程】08：MoE 训练工程

2026-04-22 | architecture · ai-infra | #llm #infra #moe #mixture-of-experts #gshard #switch-transformer #mixtral #deepseek #deepep #megablocks #expert-parallel

混合专家（MoE）模型训练工程实战：从 GShard、Switch、Mixtral 到 DeepSeek-V3，覆盖门控、负载均衡、Expert Parallel、All-to-All 通信与 DeepEP / MegaBlocks 等开源栈

【大模型基础设施工程】09：RLHF 与对齐流水线

2026-04-22 | architecture · ai-infra | #llm #infra #rlhf #ppo #dpo #grpo #reward-model #alignment #deepseek-r1 #openai-o1 #trl #openrlhf

从 SFT、奖励模型到 PPO、DPO、GRPO 的完整对齐流水线工程实践，覆盖 OpenAI o1、DeepSeek-R1 等推理模型的 RL 路线与主流框架选型。

【大模型基础设施工程】10：Checkpoint 与故障容忍

2026-04-22 | architecture · ai-infra | #llm #infra #checkpoint #fault-tolerance #resiliency #dcp #sdc #llama3 #xai-colossus #straggler

万卡集群训练每天都在断：从 GPU HBM ECC、NVLink 降级到 SDC，本篇系统讲 checkpoint、恢复与弹性容错的工程实践。

【大模型基础设施工程】11：推理引擎基础

2026-04-22 | architecture · ai-infra | #llm #infra #inference #prefill #decode #kv-cache #gqa #mla #continuous-batching #ttft #flash-decoding

从 Prefill/Decode 两阶段、KV Cache、Continuous Batching 到 PD 分离，系统讲清楚大模型推理的工程基础。

【大模型基础设施工程】14：量化工程 —— INT8 / FP8 / FP4 / AWQ / GPTQ

2026-04-22 | architecture · ai-infra | #llm #infra #quantization #fp8 #fp4 #int8 #int4 #awq #gptq #smoothquant #bitnet #transformer-engine

从数据类型、PTQ/QAT 算法、KV Cache 量化到 H100/B200/MI300/昇腾硬件支持，覆盖 AutoAWQ、GPTQ、SmoothQuant、BitNet 与 vLLM/TensorRT-LLM/llama.cpp 工程落地

【大模型基础设施工程】15：推测解码与 MTP

2026-04-22 | architecture · ai-infra | #llm #infra #speculative-decoding #medusa #eagle #mtp #lookahead #jacobi #deepseek-v3 #self-speculative

从经典 Speculative Decoding 到 Medusa、EAGLE、Lookahead、MTP 与自推测——系统梳理让大模型"一次多吐几 token"的工程方法与引擎支持

【大模型基础设施工程】16：长上下文工程

2026-04-22 | architecture · ai-infra | #llm #infra #long-context #rope #yarn #ring-attention #mamba #mla #nsa #streamingllm #ulysses

从 4K 到 1M+ 上下文的训练与推理工程——位置编码扩展、稀疏 attention、Ring Attention、KV 压缩与长上下文评测

【大模型基础设施工程】17：RAG 工程全景

2026-04-22 | architecture · ai-infra | #llm #infra #rag #retrieval #embedding #rerank #chunking #hyde #graphrag #ragas #bge #colbert

从文档解析、切片、嵌入、索引、检索、重排到生成与评估，系统梳理 RAG 的工程流水线、进阶范式与国内外生态

【大模型基础设施工程】18：向量库与图 RAG

2026-04-22 | architecture · ai-infra | #llm #infra #vector-db #hnsw #ivfpq #diskann #milvus #qdrant #pgvector #graphrag #neo4j #colbert

从 HNSW、IVF-PQ、DiskANN 到 Milvus、Qdrant、pgvector；从稠密稀疏混合到 Microsoft GraphRAG 的工程实操。

【大模型基础设施工程】19：Agent 框架工程

2026-04-22 | architecture · ai-infra | #llm #infra #agent #langgraph #autogen #crewai #mcp #a2a #coze #browser-use #memgpt #react

从 ReAct 到 LangGraph、AutoGen、CrewAI、Coze，再到 MCP 与 A2A 协议，系统梳理 LLM Agent 框架的工程栈与选型

【大模型基础设施工程】20：工具调用与 MCP

2026-04-22 | architecture · ai-infra | #llm #infra #function-call #tool-use #mcp #openai-tools #claude-tools #json-schema #outlines #xgrammar #structured-output

从 OpenAI function calling 到 Anthropic MCP，深入剖析大模型工具调用的格式、结构化输出、并行调用、协议设计与工程安全边界。

【大模型基础设施工程】21：推理服务化

2026-04-22 | architecture · ai-infra | #llm #infra #serving #triton #ray-serve #kserve #bentoml #lora #mooncake #pd-disaggregation #serverless-gpu

从单机引擎到生产级集群：Triton、Ray Serve、KServe、vLLM OpenAI Server、PD 分离、LoRA 多租户、KEDA 自动扩缩、Serverless GPU 的全景工程实战。

【大模型基础设施工程】22：大模型网关

2026-04-22 | architecture · ai-infra | #llm-gateway #litellm #oneapi #portkey #kong-ai #semantic-cache #routellm #guardrails #fallback #multi-provider

企业级 LLM 调用的统一入口：多供应商路由、配额与计费、语义缓存、Guardrails 与可观测，LiteLLM、OneAPI、Portkey、Kong/Envoy AI Gateway 的工程选型与落地。

【大模型基础设施工程】23：LLM 可观测性

2026-04-22 | architecture · ai-infra | #llm #infra #observability #langsmith #langfuse #helicone #openllmetry #opentelemetry #ragas #phoenix #gpu-metrics #llm-eval

面向 LLM、RAG 与 Agent 系统的可观测性工程实战；覆盖 Metrics、Logs、Traces、Token 成本、幻觉评估、Langfuse / LangSmith / Phoenix / OpenLLMetry 与 OpenTelemetry GenAI 语义约定。

【大模型基础设施工程】24：成本、合规与安全

2026-04-22 | architecture · ai-infra | #llm #infra #cost #security #compliance #ai-act #prompt-injection #jailbreak #guardrails #owasp-llm #confidential-compute #tee

从卡时、电费到 AI Act 与 Prompt Injection——一份写给基础设施工程师的大模型成本、合规、安全三位一体手册。

【大模型基础设施工程】25：大模型基础设施未来

2026-04-22 | architecture · ai-infra | #llm #infra #outlook #world-model #agentic-os #rubin #mamba #diffusion-llm #edge-llm #chip #career #ai-act

系列收官：从 2022 到 2026 的四年拐点出发，梳理推理时 Scaling、世界模型、Agentic OS、专用芯片、架构创新、端侧、成本腰斩、合规八大趋势，并给出工程师成长路径与 25 篇索引。

【大模型基础设施工程·特别篇】DeepSeek-V4 与国产芯片：从备份路线到主路径

2026-04-25 | architecture · ai-infra | #llm #infra #deepseek #domestic-chip #ascend #cann #training #inference #ai-chip

DeepSeek-V4 发布后，如果国产芯片已经支撑旗舰模型的关键训练或推理链路，它会怎样影响 NVIDIA 生态、国产 AI 芯片、云厂商、模型团队和工程师的技术选择？

【大模型基础设施工程·特别篇】27：DeepSeek-V4 的极致性价比从哪来

2026-05-27 | architecture · ai-infra | #llm #infra #deepseek #moe #long-context #kv-cache #fp4 #muon #agent

从 MoE 激活比、CSA/HCA 混合注意力、mHC、Muon，到磁盘级 KV cache、FP4 QAT 和专家蒸馏，系统拆解 DeepSeek-V4 为什么能把 1M 上下文和强 Agent 能力做得又强又便宜。

大模型基础设施工程

2026-04-22 | architecture · ai-infra | #llm #infra #training #inference #rag #agent #vllm #sglang #deepseek #llmops

面向中国工程团队的大模型基础设施系列。从 GPU/CUDA/互联、训练框架与 3D 并行、vLLM/SGLang 推理引擎、量化与推测解码、RAG/Agent 到服务化、网关、可观测性与安全合规，覆盖 LLMOps 全链路。

【Agent 身份与安全】Agent 身份谱系：从 API Key 到委托 Token

2026-06-18 | architecture · security | #agent #oauth #token-exchange #rfc8693 #delegation #jwt #iam #service-account

四代 Agent 身份模型：API Key、OAuth 用户 token、Service Account、RFC 8693 Token Exchange 委托链。拆解 subject_token、actor_token、act claim，以及与 JWT/JWKS 系列的交叉引用。

【Agent 身份与安全】细粒度 Scope 与 UMA 2.0 启示

2026-06-18 | architecture · security | #agent #uma #oauth #scope #consent #authorization #rfc8693

从 coarse scope 到 resource-specific consent：UMA 2.0 Permission Ticket 模型、Google incremental auth 对照，以及 Agent 场景下的动态授权边界。

【Agent 身份与安全】Function Calling 的授权模型

2026-06-18 | architecture · security | #agent #function-calling #opa #cedar #authorization #sql-agent #tool-schema

Tool schema 暴露面、允许列表 vs OPA/Cedar 策略引擎、SQL Agent 的 statement class 与 RLS 边界，以及 Host 层 tool 调用拦截架构。

【Agent 身份与安全】人机协同授权：Human-in-the-Loop

2026-06-18 | architecture · security | #agent #human-in-the-loop #step-up-auth #approval #adaptive-auth #pam

高风险 Agent 操作的 step-up 认证、同步确认 vs 异步审批队列、超时与 Agent 状态机，以及与自适应认证和 PAM JIT 的衔接。

【Agent 身份与安全】MCP 架构与安全基线

2026-06-18 | architecture · security | #mcp #model-context-protocol #oauth #agent #tool-calling #stdio #sse #security

Model Context Protocol 的 Host/Client/Server 三角、stdio 与 Streamable HTTP Transport 安全差异、OAuth 2.1 for MCP 草案边界，以及多 Server secret 隔离与 tool 攻击面。

【Agent 身份与安全】MCP Server 隔离与供应链

2026-06-18 | architecture · security | #mcp #supply-chain #secret-isolation #prompt-injection #slsa #agent

多 MCP Server 并存时的 secret 隔离、恶意 tool description 注入、SBOM 与签名验证，以及与零信任软件供应链的联动。

【Agent 身份与安全】Agent 会话的持续验证与撤销

2026-06-18 | architecture · security | #agent #caep #sse #token-revocation #continuous-verification #session

OpenID CAEP/SSE 草案、短有效期 token 与推送撤销、Agent 缓存 PII 风险，以及与 IAM 会话吊销和零信任持续验证的对照。

【Agent 身份与安全】Agent 审计日志与归因

2026-06-18 | architecture · security | #agent #audit #attribution #opentelemetry #pii #compliance

Agent 最小审计字段集、OpenTelemetry span 建模 tool 调用、PII 清洗点，以及与 PAM/IGA 审计和零信任可观测性的衔接。

【Agent 身份与安全】落地架构与案例框架

2026-06-18 | architecture · security | #agent #architecture #keycloak #opa #envoy #gateway #migration

IdP + Policy Engine + Agent Gateway + MCP Host 参考架构，Keycloak/OPA/Envoy 能力边界，以及从用户 token 直连到 Gateway 代签的迁移路径。

【Agent 身份与安全】AI Agent 的身份、委托与审计

2026-06-18 | architecture · security | #agent #iam #oauth #token-exchange #mcp #function-calling #zero-trust #audit #delegation

IAM 系列（人）与零信任系列（边界）的自然延伸：当 LLM Agent 代表用户调用 API、执行 SQL、读写邮件时，传统 OAuth 模型如何扩展？拆解 Token Exchange、MCP 安全模型、工具级授权、持续验证与审计归因。

【列存引擎内核】物化视图与增量管道

2026-06-18 | database · architecture | #clickhouse #materialized-view #kafka-engine #incremental-pipeline #mergetree #etl

ClickHouse Materialized View 的触发语义、块级增量与目标表引擎选择；Kafka Engine + MV 典型架构；与 PostgreSQL 触发器/MV 的对照及常见坑。

【列存引擎内核】DuckDB 架构与嵌入式 OLAP

2026-06-18 | database · architecture | #duckdb #embedded-olap #row-group #column-segment #pg-duckdb #columnar-storage

DuckDB 进程内嵌入式模型、Storage 的 Row Group 与 Column Segment、Catalog 与 checkpoint；与 ClickHouse Server 部署差异及 pg_duckdb 联邦场景边界。

【列存引擎内核】DuckDB 向量化与 Morsel-Driven Pipeline

2026-06-18 | database · architecture | #duckdb #vectorized-execution #morsel-driven #pipeline #parallel #hash-join

DuckDB 向量批执行、morsel-driven 并行、Pipeline 调度与 spill；源码 execution/parallel 路径；对照 ClickHouse Processors 与 PG volcano 模型。

【列存引擎内核】ClickHouse 与 DuckDB 选型决策

2026-06-18 | database · architecture | #clickhouse #duckdb #olap #decision-tree #pg-duckdb #embedded-analytics

从部署形态、规模、并发、联邦与运维成本五维对比 ClickHouse 与 DuckDB；给出决策树与组合架构，不排名不测虚构 benchmark。

【列存引擎内核】经典故障模式

2026-06-18 | database · architecture | #clickhouse #failure-modes #too-many-parts #merge-lag #mutation #replication #oom

Too many parts、merge 跟不上 insert、mutation 堆积、副本延迟与 lost replica、max_memory_usage OOM 的症状链、根因与缓解；附测试环境复现框架。

【列存引擎内核】配置陷阱与容量规划

2026-06-18 | database · architecture | #clickhouse #capacity-planning #merge-tree-settings #parts-to-throw-insert #merge-pool #ssd-hdd

parts_to_throw_insert、merge 线程池、max_bytes_to_merge、merge_max_block_size、磁盘 SSD/HDD 策略与内存预算；MergeTree settings 与服务器级 config 的容量规划方法。

身份与访问控制工程

2026-04-21 | architecture · security | #iam #sso #oidc #oauth2 #scim #authorization #ciam

从 OIDC、OAuth 2.1、SAML、SCIM 到多租户权限、CIAM、PAM 与身份平台选型——系统拆解现代身份与访问控制的协议、架构与工程实践。

【可观测性工程】埋点哲学：粒度、采样、基数爆炸与成本模型

2026-06-11 | architecture · observability | #instrumentation #sampling #cardinality #opentelemetry #prometheus #cardinality-explosion #tail-sampling #head-sampling #cost-model

埋点不是多加几行日志，而是一整套关于什么该记、什么该采样、什么该丢弃的工程决策体系。从信号分层、基数控制、采样策略到落地规范与工程坑点，给出可操作的埋点治理框架。

【可观测性工程】数据模型：时间序列、日志、Span、Profile 的内部表达

2026-06-11 | architecture · observability | #data-model #tsdb #prometheus #loki #tempo #jaeger #pprof #flamegraph #compression #gorilla #zstd #cost-model

拆解 Metrics、Logs、Traces、Profiles、Events 五大支柱在磁盘和内存中的内部数据模型。字段级对照 Prometheus TSDB block、Loki chunk、Tempo block，给出带假设的存储成本估算公式，并解释索引策略如何决定账单与查询延迟。

【可观测性工程】日志管道：Fluent Bit、Vector、Logstash、Cribl 的取舍

2026-06-11 | architecture · observability | #fluentbit #vector #logstash #cribl #log-pipeline #kubernetes #daemonset #backpressure #vrl #loki

日志 Agent 与管道决定数据能否采得上来、送得到、不丢不炸。对比 Fluent Bit、Vector、Logstash、Cribl 的架构与可靠性，给出 K8s DaemonSet、背压处理与带假设的性能对比模型。

【可观测性工程】Traces 栈与采样：Jaeger、Tempo、Zipkin、SkyWalking

2026-06-11 | architecture · observability | #tracing #jaeger #tempo #skywalking #zipkin #opentelemetry #sampling #tracecontext #tail-sampling #propagation

拆解 Jaeger、Tempo、SkyWalking 架构差异与采样策略（头部/尾部/自适应），给出 W3C TraceContext 传播、OpenTelemetry tail_sampling 配置与选型框架。

【可观测性工程】内核追踪：ftrace、kprobe、uprobe、tracepoint 生产实战

2026-06-18 | architecture · observability | #kernel #ftrace #kprobe #uprobe #tracepoint #bpftrace #perf #ebpf #linux #tracing #debugfs

当用户态观测工具无法定位问题时，深入 Linux 内核追踪层。拆解 ftrace、tracepoint、kprobe、uprobe、bpftrace 的适用场景、WSL/生产复现步骤、安全边界，以及与 eBPF 全景和 linux-net 系列的阅读边界。

【可观测性工程】SLO 工程：错误预算、Burn Rate、多窗口多燃烧率告警

2026-06-18 | architecture · observability | #slo #sli #error-budget #burn-rate #sre #google-sre #prometheus #alerting #recording-rules

SLO 不是定几个 99.9% 的数字，而是连接业务需求与工程决策的治理机制。从 SLI 定义、错误预算计算到 Google SRE 多窗口多燃烧率 PromQL 规则，并说明 DB 层 SLI 如何映射到服务 SLO。

【可观测性工程】告警体系：Alertmanager、PagerDuty、OnCall 与分级抑制

2026-06-18 | architecture · observability | #alertmanager #pagerduty #oncall #alerting #prometheus #slo #escalation #inhibition

建一套不让人崩溃的告警体系。从 Prometheus Alertmanager 的分组/抑制/静默三元组，到 PagerDuty 排班与升级策略，到分级告警的设计模板与告警质量持续治理。

【可观测性工程】存储与成本：采样、下采样、冷热分层、对象存储

2026-06-18 | architecture · observability | #cost #storage #sampling #downsampling #retention #tiered-storage #compression #loki #prometheus #tempo #mimir

可观测性数据量持续增长，存储成本常超过计算成本。拆解四大支柱的成本结构、采样与保留期策略、冷热分层架构，以及带显式假设的成本估算 worksheet。

【可观测性工程】多租户与安全：数据隔离、标签治理、PII 清洗

2026-06-18 | architecture · observability | #multi-tenancy #pii #data-isolation #label-governance #loki #mimir #tempo #grafana #security #chargeback

可观测性平台全公司共享时，查询隔离、写入限流、标签治理、PII 清洗与成本分摊的工程实现。以 Grafana Mimir/Loki/Tempo 的 X-Scope-OrgID 为主线，给出 Collector 配置与合规检查清单。

【可观测性工程】混沌工程：ChaosBlade、Chaos Mesh 与可观测性闭环

2026-06-18 | architecture · observability | #chaos-engineering #chaosblade #chaos-mesh #litmuschaos #resilience #fault-injection #slo #game-day

混沌工程验证可观测性与告警是否发现故障：稳态假设、ChaosBlade/Chaos Mesh/LitmusChaos 对比、爆炸半径控制、SLO 判定与 Reliability Backlog 闭环。

【可观测性工程】中国可观测性厂商对比：阿里 ARMS、腾讯 APM、华为 AOM、观测云、夜莺、DeepFlow

2026-06-18 | architecture · observability | #china #arms #aom #guance #nightingale #deepflow #cloud #vendor-selection #opentelemetry #tco

中国可观测性市场三条技术路线拆解：云托管、创业 SaaS、开源自建。对照本系列开源栈深度篇，给出场景匹配、锁定风险、信创约束与 TCO 假设模型，不做厂商排名或报价表。

【可观测性工程】真实事故复盘剧本：从指标抖动到根因的全链路追查

2026-06-18 | architecture · observability | #incident-response #debugging #playbook #slo #prometheus #tempo #loki #profiling #ebpf #events

虚构但可复现的 checkout 服务事故全链路：SLO Burn Rate 告警后按 Golden Minute→Metrics→Traces→Logs→Profile→Events 五阶递进排障，含 PromQL/LogQL/kubectl 命令与三条分级剧本，交叉引用系列 01–22。

【可观测性工程】自建 vs 托管：OpenTelemetry 自建栈与 SaaS 的选型决策

2026-06-18 | architecture · observability | #self-hosted #saas #tco #lgtm #grafana-cloud #opentelemetry #hybrid #migration

自建 LGTM 与托管 SaaS 不是二选一。给出 TCO 假设模型、规模临界点、混合迁移与五维决策矩阵，交叉引用存储成本篇与中国厂商篇，不列会过期的厂商报价表。

可观测性工程

2026-04-22 | architecture · observability | #observability #opentelemetry #prometheus #ebpf #slo #tracing #profiling #logs #metrics

从 Metrics、Logs、Traces 到 Profiling、eBPF、OpenTelemetry 与 SLO 治理，面向中国工程团队的可观测性系统化手册。全 25 篇。

【操作系统百科】可拆分 OS

2026-07-09 | os · architecture | #disaggregated-os #cxl #lego-os #far-memory #numa #hmm #dax #memory-tiering

CXL 内存池化如何动摇 OS 对本地 DRAM 的假设？从资源解耦、CXL.mem 语义、LegoOS/PhantomOS/Twilight 学术原型，到 Linux CXL 驱动、dax、HMM 与 memory tiering，说明 disaggregated OS 的工程边界与 NUMA 演进。

【操作系统百科】OS 的下一个十年

2026-07-10 | os · architecture | #os-future #rust-for-linux #confidential-computing #cxl #io-uring #ebpf #sched-ext

综合 Windows/RTOS/Unikernel/Rust/机密计算/CXL 等前沿篇章，从 Rust 内核、机密计算、可拆分内存、io_uring 统一 I/O、eBPF 可编程内核五条趋势出发，按现在/三年/十年框架说明应用开发者应调整的假设与可执行建议。

【身份与访问控制工程】SCIM 与账号生命周期：开通、变更、离职自动化

2026-06-14 | architecture · security | #scim #provisioning #user-lifecycle #azure-ad #okta #identity-governance #automation #rfc7644

SSO 只解决认证，SCIM 解决账号的生命周期管理。但 SCIM 2.0 的实现远不是调几个 REST API 那么简单：User/Group schema 的映射、Delta vs Full sync 的同步策略、Patch 操作语义，每个环节都有坑。本文从账号生命周期的四个关键事件出发，拆解 SCIM 2.0 的核心协议、同步模式、Schema 扩展，以及与企业 IdP（Azure AD、Okta）对接的实际工程经验。

【身份与访问控制工程】IAM 全景：为什么这是高价值赛道

2026-06-13 | architecture · security | #iam #authentication #authorization #sso #oidc #oauth2 #scim #saml #jwt #passkey #rbac #abac #zanzibar #keycloak #zero-trust

从 2020 年 SolarWinds 到 2024 年 Okta 支持系统泄露，身份基础设施的安全失败反复证明一件事：IAM 不是 IT 支撑系统，而是安全架构的承重墙。本文建立现代 IAM 的全景地图——从认证协议、令牌体系、权限模型到身份治理与平台选型，给出 5 个贯穿全系列的核心问题。

【身份与访问控制工程】企业单点登录：OIDC 与现代 SSO

2026-06-13 | architecture · security | #oidc #openid-connect #sso #authentication #authorization-code #pkce #id-token #jwks #rp-logout

OIDC 是当下企业 SSO 的事实标准，但大多数实现只用了它 20% 的规范。本文从 OIDC 核心规范出发，拆解 Authorization Code Flow + PKCE 的完整交互、ID Token 的验证规则、Discovery 与 Dynamic Registration 的互操作性机制，以及 RP-Initiated Logout 和 Session Management 的工程实现细节。

【身份与访问控制工程】OAuth 2.1 与 PKCE：现代授权主路径

2026-06-13 | architecture · security | #oauth2 #oauth21 #pkce #dpop #authorization-code #refresh-token #rar #dcr #security

OAuth 2.1 不是新协议，而是对 OAuth 2.0 的安全加固：废除 Implicit Grant 和 Resource Owner Password Grant，强制 PKCE 用于所有使用授权码模式的客户端，要求精确 redirect_uri 比对。本文从 PKCE 的密码学动机出发，拆解 OAuth 2.1 的授权码流程完整交互、Refresh Token 轮换与发送者约束、DPoP 令牌绑定，以及 DCR (Dynamic Client Registration) 和 RAR (Rich Authorization Requests) 的实际应用。

【身份与访问控制工程】SAML 还值得学吗：企业遗留 SSO 的现实世界

2026-06-14 | architecture · security | #saml #sso #enterprise #idp #sp #nameid #metadata #xml #federation

2026 年了，SAML 2.0 这个诞生于 2005 年的标准在 OIDC 的压力下看似日薄西山，但全球超过 70% 的企业 SaaS 产品仍然把 SAML SSO 放在 Enterprise 定价方案的第一行。本文拆解 SAML 2.0 的核心协议模型、SP-Initiated 和 IdP-Initiated 两种 SSO 流程、NameID 的选择策略、SAML Metadata 的互操作性工程，以及 SAML 和 OIDC 在实际企业客户场景中的选型逻辑。

【身份与访问控制工程】JWT、JWS、JWE、JWKS 一次讲透

2026-06-15 | architecture · security | #jwt #jws #jwe #jwk #jwks #jose #token #signature #encryption #key-rotation

JWT 不等于 JWS。JWS 是签名格式，JWE 是加密格式，JWK 是密钥表示，JWKS 是密钥集合——这四个规范共同构成了 JOSE（JSON Object Signing and Encryption）技术族。本文从 JOSE 体系全景出发，逐层拆解 JWT 的三段式结构、JWS 的签名算法选择（从 HS256 到 EdDSA 的选择逻辑）、JWE 的密钥加密与内容加密双层模型、JWKS 的密钥轮换与缓存策略。

【身份与访问控制工程】Session、Refresh Token 与吊销体系

2026-06-15 | architecture · security | #jwt #refresh-token #token-revocation #session-management #rfc7009 #rfc7662

JWT 的无状态设计带来了可扩展性，但让令牌吊销变成了系统性问题——签出去的 JWT 在到期之前全是活令牌。Refresh Token Rotation、Token Introspection、基于事件的吊销通知、撤销列表——这些机制构成了身份系统的'紧急刹车'，各自的成本、延迟和覆盖范围完全不同。本文拆解四种吊销机制的工程权衡。

【身份与访问控制工程】MFA、TOTP、WebAuthn、Passkey 工程实践

2026-06-16 | architecture · security | #mfa #totp #webauthn #passkey #fido2 #ctap #authenticator #phishing-resistant

MFA 从'额外的一道验证码'演变为以 WebAuthn/Passkey 为代表的无密码认证体系，但工程落地不是'加个 TOTP 就完事'——TOTP 的种子存储安全、WebAuthn 的 attestation 与 origin 绑定、Passkey 的跨设备同步与 recover 流程、以及各方案在用户流失率和安全强度之间的现实权衡，每一项都影响架构决策。

【身份与访问控制工程】风险感知认证：设备信任、异常登录与挑战升级

2026-06-16 | architecture · security | #adaptive-auth #risk-based-auth #device-fingerprint #step-up-auth #anomaly-detection #ueba

MFA 是固定策略——启用后每个人每次登录都要输入验证码。风险感知认证（Adaptive/Risk-based Authentication）让认证强度随风险动态调整：从新设备、新位置触发额外验证，到持续的行为分析和会话风险评估。本文拆解风险引擎的信号模型、设备指纹的实现选型、挑战升级的 UX 设计，以及硅谷大厂的实践对比。

【身份与访问控制工程】服务身份：mTLS、SPIFFE/SPIRE 与 Workload Identity

2026-06-17 | architecture · security | #mtls #spiffe #spire #workload-identity #x509 #svid #oauth2 #jwt-profile #service-mesh #zero-trust

前 9 篇讨论的都是'人'的身份——用户怎么登录、怎么验证。但微服务世界中，80% 的 API 调用是服务之间的。服务身份（Workload Identity）是整个 IAM 体系的另一半：mTLS 解决'传输层你是谁'，SPIFFE/SPIRE 解决'在平台层你是谁且怎么证明'，JWT Profile for OAuth 解决'我怎么拿到一个服务身份的 Token'。本文从这三条线拆解服务身份的工程实现。

【身份与访问控制工程】RBAC、ABAC、ReBAC：权限模型怎么选

2026-06-17 | architecture · security | #rbac #abac #rebac #authorization #permissions #role-explosion #policy-engine

RBAC 简单但会角色爆炸，ABAC 灵活但策略管理失控时更可怕，ReBAC 表达力强但引入了图遍历的性能约束。三种模型不是'选一个升级另一个'的线性关系，而是在表达能力、管理成本和性能三者之间做工程权衡。本文从每种模型的本质数据结构出发，拆解选型框架。

【身份与访问控制工程】Zanzibar 风格权限系统：Google 的全球授权引擎

2026-06-18 | architecture · security | #zanzibar #authorization #google #relation-based #spicedb #auth0-fga #consistency #zookie #rebac

Google Zanzibar 论文在 2019 年发布后，引发了开源授权系统的一波重新设计：Auth0 FGA、SpiceDB、Permify、Ory Keto——全都基于 Zanzibar 的'关系图+命名空间配置'模型。但论文本身只讲了 What，没深入 Why。本文从 Zanzibar 的 relation tuple 模型、namespace config 的语义、consistency 模型（Zookie）和工程权衡出发，拆解为什么 Zanzibar 的设计决策是这样的，以及你自己实现时要面对什么。

【身份与访问控制工程】OPA、Cedar 与策略引擎落地

2026-06-18 | architecture · security | #opa #rego #cedar #policy-engine #policy-as-code #authorization #open-policy-agent

OPA 是 CNCF 的策略引擎标准答案，Rego 是它的策略语言；Cedar 是 AWS 开源的新竞争者，基于 Rust 的 WASM 编译执行、语法更接近 SQL。两者在架构模式（sidecar vs 中心化）、策略语言设计哲学和性能特征上有根本差异。本文从策略引擎的架构模式出发，拆解 OPA Rego 的核心语义与性能限制、Cedar 的设计取舍，以及策略即代码（Policy as Code）在 CI/CD 中的落地。

【身份与访问控制工程】B2B SaaS 多租户权限设计

2026-06-19 | architecture · security | #multi-tenant #b2b-saas #authorization #rbac #organization-tree #data-isolation #tenant-aware

多租户权限系统是 IAM 中工程复杂度最高的场景之一——每个租户想要自己的角色、自己的组织树、自己的审批流和完全隔离的数据。这四种需求会互相冲突。本文从租户隔离模型出发，拆解四层权限架构、租户级 RBAC 的扩展方案、组织树与数据权限的联动，以及跨租户授权（如第三方服务商访问客户数据）的架构设计。

【身份与访问控制工程】API Gateway、BFF 与边界认证授权

2026-06-19 | architecture · security | #api-gateway #bff #envoy #kong #oauth2 #token-introspection #rate-limiting #jwt-validation

API Gateway 是 IAM 的边界执行点——OAuth Token 的验证、Rate Limit 的绑定、请求级的授权决策都发生在这里。但网关层的认证授权逻辑应该做多厚？BFF（Backend for Frontend）模式把 Session 管理和 Token 兑换从浏览器移回后端后，网关的角色有什么变化？本文从网关层的认证授权架构出发，拆解三种部署模式及其安全边界。

【身份与访问控制工程】Keycloak 工程拆解：Realm、Client、Flow 与扩展机制

2026-06-20 | architecture · security | #keycloak #iam #realm #authentication-flow #spi #user-federation #openid-connect #saml

Keycloak 是 CNCF Incubating 项目中最成熟的 IAM 平台，也是自建身份系统的首选开源方案。但它不是'下个 JAR 跑起来就行'的简单软件——Realm 的隔离模型、Authentication Flow 的执行引擎、Client Scope 和 Protocol Mapper 的职责分离、自定义 SPI 扩展点——理解这些内部架构才能做好生产部署。本文从 Keycloak 的核心概念模型出发，拆解其内部执行路径和扩展机制。

【身份与访问控制工程】自建还是采购：Keycloak、Auth0、Entra、Okta 对比

2026-06-20 | architecture · security | #keycloak #auth0 #okta #entra #azure-ad #iam #build-vs-buy #tco #identity-platform

自建 Keycloak 省下的 license 费用，会在运维、高可用、多活、定制开发和知识积累上还回去。采购 Auth0/Okta/Entra 省下的运维成本，会在 license 账单、供应商锁定和功能黑盒上付出代价。本文不是产品推荐，而是一个工程决策框架——在什么规模、什么场景下，哪种选择的总成本（TCO）合理。

【身份与访问控制工程】CIAM 架构：面向 B2B / B2C SaaS 的身份平台

2026-06-21 | architecture · security | #ciam #customer-iam #b2b-saas #b2c #registration #consent-management #gdpr #progressive-profiling

CIAM（Customer IAM）和 Workforce IAM 的架构差异不只是'人多了一些'——CIAM 面向的是百万到亿级的用户量、自注册到注销的完整消费者生命周期、GDPR/CCPA 的同意管理、跨设备跨渠道的统一身份，以及与营销和 CRM 系统的数据集成。本文从 CIAM 与 Workforce IAM 的本质差异出发，拆解 CIAM 的注册漏斗、渐进式画像、同意管理和 B2B/B2C 混合架构。

【身份与访问控制工程】PAM、IGA 与审计合规

2026-06-21 | architecture · security | #pam #iga #privileged-access #sod #access-certification #audit #compliance #jit-access

PAM（Privileged Access Management）管理的是'有钥匙的人'——域管理员、数据库 DBA、云基础设施 root 账号。IGA（Identity Governance and Administration）管理的是'谁应该有什么访问权限'——访问认证（Access Certification）、权限审计（SoD 分离）、自动化开通。两者加上审计日志构成安全合规的三足鼎立。本文拆解 PAM 的会话劫持与审计、IGA 的访问认证与角色挖掘，以及审计日志的不可篡改设计。

【身份与访问控制工程】身份系统迁移与事故响应

2026-06-22 | architecture · security | #identity-migration #password-hash #mfa-migration #incident-response #session-continuity #idp-migration #break-glass

身份系统迁移是整个 IAM 领域中风险最高、回滚最难的操作——用户密码哈希不可逆迁移、MFA 种子不可迁移、WebAuthn credential 绑定到特定 RP ID、数百万活跃 Session 的中断窗口——任何一个环节出错都意味着用户无法登录。本文从迁移的四种策略出发，拆解密码哈希桥接、MFA 重新注册编排、Session 连续性保持、灰度切流的架构设计，以及身份安全事故的应急响应流程。

【零信任安全架构】NIST SP 800-207 架构深度拆解：不只是 7 条原则

2026-06-12 | architecture · security | #zero-trust #nist-sp800-207 #pep #pdp #trust-algorithm #policy-engine #policy-administrator #zta

NIST SP 800-207 给了零信任最权威的定义，但大多数讨论只复述了 7 条原则。本文拆解 NIST 文档的完整架构模型：PEP、PDP、Policy Engine、Policy Administrator 的分工与交互协议、信任算法的三种模型、以及 NIST 有意留白留给实现者的工程决策。

【零信任安全架构】BeyondCorp 六篇论文全景：Google 怎么把零信任从概念变成全公司现实

2026-06-12 | architecture · security | #beyondcorp #google #zero-trust #access-proxy #trust-engine #device-inventory #migration

Google 的 BeyondCorp 是最早把零信任从概念推到全公司规模的工程实践。从 2014 年第一篇论文到 2018 年第六篇，这六篇论文记录了每一次架构决策的动机、执行过程和后果。本文不是要点复述，而是把六篇论文当工程复盘来读。

【零信任安全架构】身份感知代理：Google IAP、Pomerium 与零信任的入口

2026-06-12 | architecture · security | #iap #identity-aware-proxy #pomerium #google-iap #oauth2-proxy #jwt #header-injection #zero-trust

身份感知代理（IAP）是零信任架构中用户进入企业资源的唯一入口——它取代了 VPN 的'拨入内网'模型，把每个 HTTP 请求的认证和授权检查放在资源前面。本文拆解 IAP 协议层的完整请求流、JWT 验证的严格性要求、Header Injection 的安全陷阱，以及 Pomerium/oauth2-proxy/Cloudflare Access 的实现差异。

【零信任安全架构】设备姿态与远程证明：TPM、osquery 和信任分数

2026-06-12 | architecture · security | #tpm #osquery #device-posture #remote-attestation #trust-score #pcr #aik #zero-trust

零信任的'持续验证'从设备姿态开始——TPM 2.0 的远程证明提供硬件级可信测量，osquery 采集操作系统级安全信号，信任引擎把这些信号综合成一个可以写入策略引擎的分数。本文拆解 TPM 2.0 PCR 语义、AIK 证明协议、设备信任分数的计算与衰减模型，以及设备姿态系统的运维陷阱。

【零信任安全架构】持续验证 vs 一次性认证：信号流、会话风险和策略降级

2026-06-12 | architecture · security | #continuous-verification #caep #shared-signals #session-revocation #step-up-auth #risk-based-auth #zero-trust

零信任把认证从'登录时一次'变成了'整个会话期间的持续评估'。但'持续'在工程中既不可能是'每个请求都完整评估'，也不应该是'会话期间不重新评估'。本文回答持续验证的工程实现：什么频率叫持续、当风险信号变化时如何降级或撤销现有会话、以及 OpenID CAEP 协议的草案现状。

【零信任安全架构】零信任策略引擎：OPA/Rego 与 Cedar 在 ZT 中的落地

2026-06-12 | architecture · security | #policy-engine #opa #rego #cedar #open-policy-agent #zero-trust #pdp #pep

在零信任架构中，策略引擎（PDP）是每次访问决策的裁判——不仅要回答'这个人能不能访问这个资源'，还要回答'在当前设备姿态、地理位置、时间上下文下，这个人能不能访问这个资源'。本文聚焦策略引擎在零信任场景中的额外要求：多维输入的协同、策略的实时更新、冲突检测和策略即代码的 CI/CD。

【零信任安全架构】微分段深度拆解：从 VLAN 到 eBPF 的访问控制演化

2026-06-12 | architecture · security | #microsegmentation #cilium #istio #network-policy #ebpf #authorization-policy #zero-trust #kubernetes

微分段是零信任在网络层的核心机制——从传统 VLAN 的广播域隔离，到 Kubernetes NetworkPolicy 的 IP 级别过滤，再到 Cilium 基于身份的 eBPF 执行和 Istio 的 L7 策略。本文拆解四层微分段技术的实现原理、性能差异和适用场景，以及从'全通'到'全白名单'的策略制定流程。

【零信任安全架构】mTLS 大规模部署的工程现实：联邦、故障排查与根 CA 轮换

2026-06-12 | architecture · security | #mtls #spire #spiffe #federation #root-ca-rotation #certificate-lifecycle #envoy #sds #zero-trust

mTLS 是零信任服务间通信的基石，但从'单集群内启用 mTLS'到'全公司多集群、混合云的 mTLS'，中间隔着 SPIRE 联邦、跨信任域证书验证、mTLS 握手并发瓶颈、连接池协议兼容性和故障排查等工程问题。本文不重复 SPIFFE/SPIRE 基础，而是聚焦大规模部署中才暴露的问题。

【零信任安全架构】软件定义边界与 ZTNA：VPN 替代方案的协议与产品对比

2026-06-12 | architecture · security | #ztna #sdp #software-defined-perimeter #spa #single-packet-authorization #wireguard #vpn-replacement #zero-trust

Zero Trust Network Access（ZTNA）是零信任架构中直接替代 VPN 的组件——它把'拨入内网'变成'按应用授权'。本文拆解 SDP 协议的三个阶段、SPA 单包授权的'端口隐藏'机制、Agent-based vs Agentless ZTNA 的实现差异，以及自建 ZTNA 技术栈的可行性。

【零信任安全架构】零信任数据安全：加密、分类与数据访问治理

2026-06-12 | architecture · security | #data-security #encryption-at-rest #data-classification #dlp #kms #hsm #application-level-encryption #zero-trust

零信任通常被讨论在网络和身份层面，但数据层才是攻击者的最终目标。当网络控制和身份验证都失败时，数据本身的加密和访问治理是最后一道防线。本文讨论应用层加密 vs 存储层加密、数据分类标签在授权决策中的应用，以及密钥管理的零信任化。

【零信任安全架构】SaaS 与云原生的零信任：CASB、CSPM 和 Kubernetes 超网络策略

2026-06-12 | architecture · security | #casb #ssPM #csPM #saas-security #cloud-iam #kubernetes #multi-cloud #zero-trust

企业的工作负载已经从数据中心移到了 SaaS 和公有云——Google Workspace、Office 365、Salesforce、GitHub 是新的'内网'。零信任在 SaaS 和云原生环境中的实现方式与传统数据中心完全不同。本文拆解 CASB 的零信任化、SSPM/CSPM 的配置审计和多云 IAM 的最小权限实践。

【零信任安全架构】零信任与软件供应链：SLSA、Sigstore 和构建管道的身份

2026-06-12 | architecture · security | #supply-chain #slsa #sigstore #cosign #rekor #fulcio #in-toto #spiffe #ci-cd #sbom

SolarWinds 攻击告诉世界一件事：如果你的 CI/CD 管道被攻破，攻击者不需要攻破生产系统——在构建时注入后门就够了。本文拆解 SLSA 框架的四级成熟度、Sigstore 的无密钥签名机制、以及 SPIFFE/SPIRE 如何为 CI/CD 管道提供短有效期身份。

【零信任安全架构】CISA 零信任成熟度模型：从传统到最优化的四阶段全景评估

2026-06-12 | architecture · security | #cisa #zero-trust-maturity-model #ztmm #assessment #gap-analysis #government #compliance

零信任不是 binary 的'做完/没做完'。CISA 的零信任成熟度模型（ZTMM v2.0）将零信任分解为五个支柱，每个支柱有四个成熟度等级。本文拆解 ZTMM 的评估框架，以及每个支柱从初级到高级的工程跳跃具体意味着什么。

【零信任安全架构】零信任迁移的工程策略：棕地改造、遗留系统适配与渐进式切流

2026-06-12 | architecture · security | #zero-trust #migration #brownfield #legacy-system #sidecar #identity-bridging #gradual-cutover

零信任最重要的工程问题不是'采购什么产品'，而是'怎么迁移'。已有 500 个遗留系统、数十个无法停机的关键业务、几千台未被管理的设备——本文拆解四种遗留系统升级策略、渐进式切流的流量控制与回滚条件，以及迁移中的人力成本和组织阻力。

【零信任安全架构】零信任可观测性与 SIEM 集成：日志、检测与自动化响应

2026-06-12 | architecture · security | #observability #siem #logging #detection #soar #zero-trust #splunk #elastic #audit

零信任架构生成的安全日志比传统架构多一个数量级——每个访问代理的决策、每次 mTLS 握手、每条微分段策略的 allow/deny 事件。如果没有配套的日志聚合、异常检测和自动化响应，零信任就是一个'黑盒式拒绝'系统。本文拆解零信任的三层日志和特有的检测规则。

【零信任安全架构】行业案例深度复盘：Google、美国联邦政府与金融行业

2026-06-12 | architecture · security | #beyondcorp #case-study #federal-government #eo-14028 #financial-services #fs-isac #zero-trust-migration

基于三个公开资料最充分的零信任实施案例——Google BeyondCorp、美国联邦政府 EO 14028 和金融服务行业——做工程视角的交叉对比分析：他们各自的基础条件、优先级选择、踩过的坑和时间线。

【零信任安全架构】零信任的新兴前沿：AI Agent 身份、边缘计算和量子后的证书

2026-06-12 | architecture · security | #ai-agent #llm #edge-computing #pqc #post-quantum-cryptography #ml-dsa #slh-dsa #x509 #mtls

零信任的现状主要服务于'人访问应用'和'服务调用服务'两种模式。但三个新兴场景正在挑战零信任的基本假设：AI Agent 的自主操作、边缘计算的间歇性连接、以及 PQC 对 X.509 证书和 mTLS 握手的冲击。本文展示工程挑战和当前最优实践，不假装有成熟的标准答案。

零信任安全架构深度系列

2026-06-12 | architecture · security | #zero-trust #beyondcorp #nist-sp800-207 #spiffe #spire #mtls #microsegmentation #device-posture #continuous-verification #ztna #cisa

零信任是 IAM 的自然延伸——当身份变成新边界，VPN 的'拨入即信任'模型必须被'永不信任、始终验证'取代。本系列从 NIST SP 800-207 规范、Google BeyondCorp 六篇论文、SPIFFE/SPIRE 联邦到微分段、持续验证、ZTNA 和零信任迁移的工程策略，系统拆解零信任的每一种组件和每一步实施。

【编译器与 MLIR】编译器的挑战与 IR 的裂变

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #ir #halide #tvm #xla #codegen #domain-specific-architecture

从三阶段编译器局限出发，串联 Halide、XLA、TVM 的 IR 裂变，说明 DSA 与 AI 编译器为何需要 MLIR 这类可组合的多层 IR 框架。

【编译器与 MLIR】MLIR 全景图与设计哲学

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #dialect #lowering #iree #circt #torch-mlir #design-philosophy

从 Module-Operation-Region-Block 四层结构出发，系统讲解 MLIR 的三条核心设计原则：渐进降阶、方言可组合性、基础设施复用，配合 IREE、CIRCT、Torch-MLIR 等实际案例建立心智模型。

【编译器与 MLIR】环境搭建与第一个 MLIR 程序

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #build #cmake #mlir-opt #pass #canonicalize #tutorial

从零构建 LLVM/MLIR 工程，用 mlir-opt 理解 .mlir 文本表示，运行规范化 Pass 并逐行解读转换结果，建立从命令行到 IR 变换的直觉。

【编译器与 MLIR】操作、方言与 IR 的 C++ 表示

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #cpp #operation #value #block #region #ssa #ir

深入 Operation、Op、Value、Block、Region 的 C++ 内存布局与继承体系：CRTP 模板包装、SSA 值的两种来源、Use 链表的遍历方法。这是后续所有 Pass 写作的基础。

【编译器与 MLIR】类型系统与属性

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #type-system #attribute #dialect #tensor #memref #opbuilder

解析 MLIR 的类型体系：内建类型（Integer、Float、Tensor、MemRef）与自定义方言类型的注册机制；区分 Type 与 Attribute 的设计意图；通过 OpBuilder 理解类型和属性在 IR 构造中的实际角色。

【编译器与 MLIR】表驱动定义：ODS 与声明式编程

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #tablegen #ods #dialect #code-generation #declarative

深入 MLIR 的 ODS 与 TableGen 工具链：从 .td 定义到自动生成的构建器、验证器、解析/打印器，理解声明式 IR 定义如何减少手写样板代码。

【编译器与 MLIR】Region 与 Block：IR 的控制流骨架

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #region #block #ssa #control-flow #structured-control-flow

解析 MLIR 的嵌套区域控制流表示：Block 参数替代 phi 节点的设计动机、Region 的 SSACFG 与 Graph 两种类型、结构化控制流的表示能力，以及与 LLVM 经典 SSA 形式的对比。

【编译器与 MLIR】Pass 管理与分析

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #pass #pipeline #optimization #analysis

详解 MLIR 的 Pass 基础设施：OperationPass 与 ModulePass 的分类与适用场景、Pass 依赖管理与流水线构建、Pass 选项系统、多线程执行模型，以及 mlir-opt 的调试命令。

【编译器与 MLIR】模式重写与规范化框架

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #pattern-rewrite #canonicalization #fold #optimization #greedy-rewrite

深入 MLIR 的模式重写引擎：RewritePattern 的驱动模型、matchAndRewrite 的匹配与替换协议、规范化（Canonicalization）规则的编写、折叠与代数简化的最佳实践，以及 GreedyPatternRewriteDriver 的工作机制。

【编译器与 MLIR】方言转换与渐进降阶策略

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #dialect-conversion #type-converter #lowering #progressive-lowering #bufferization

系统讲解 MLIR 的方言转换框架：TypeConverter 的类型映射、ConversionTarget 的合法性检查、完整转换与部分转换的适用边界、以 linalg bufferization 为例展示渐进降阶的实现模式。

【编译器与 MLIR】张量中端：Tensor 与 Linalg 方言

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #tensor #linalg #matmul #convolution #structured-ops #ai-compiler

解析 AI 编译的核心抽象层：Tensor 方言的不可变语义与操作、Linalg 方言的结构化操作（逐元素、归约、收缩）及其通用表示 linalg.generic，以矩阵乘法为例展示从高层表示到底层循环的完整降阶路径。

【编译器与 MLIR】循环分析与变换：Affine 与 SCF

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #affine #scf #polyhedral #loop-analysis #dependence-analysis #tiling

深入 MLIR 的循环层表示：Affine 方言的仿射约束与依赖分析、与多面体（Polyhedral）模型的联系、SCF 方言的结构化控制流，以及从 affine.for 到 scf.for 的降阶过程。

【编译器与 MLIR】面向异构硬件的代码生成

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #gpu #spir-v #cuda #tiling #memory-hierarchy #iree #triton

解析 MLIR 的 GPU 代码生成框架：GPU 方言的层次化并行模型（Block/Thread/Memory）、gpu.launch 的语义、SPIR-V 出口路径、内存层次抽象与 tiling 策略，以及与 Triton、IREE 的协作关系。

【编译器与 MLIR】与 AI 框架的接口设计

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #pytorch #tensorflow #jax #onnx #torch-mlir #mhlo #stablehlo #framework-bridge

系统比较 PyTorch（Torch-MLIR）、TensorFlow（MHLO）、JAX（StableHLO）、ONNX（ONNX-MLIR）四种 AI 框架到 MLIR 的桥接方案：各自的 IR 翻译路径、方言映射方式和复用关系，分析 StableHLO 作为跨框架统一 IR 的地位与局限。

【编译器与 MLIR】从零构建一个微型 Tensor DSL

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #dsl #tensor #dialect #lowering #jit #hands-on

手把手构建微型 Tensor DSL：ODS 定义方言、写 tiny-to-linalg 降阶 Pass，经标准管线生成 LLVM IR，走完编译链闭环（参考 MLIR Toy 教程）。

【编译器与 MLIR】调试与分析工作流

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #debugging #mlir-opt #diagnostics #performance #visualization

MLIR 编译开发的实用工具箱：mlir-opt 的流水线诊断、IR dump 与 Pass 前后对比、mlir-tblgen 的使用方法、Pass 崩溃定位与 reproducer 生成、性能剖析与 IR 可视化工具的完整操作指南。

【编译器与 MLIR】在实际框架中集成 MLIR（以 IREE 为例）

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #iree #runtime #deployment #hal #edge-computing #vulkan

以 IREE 为实例，展示 MLIR 在实际 AI 编译器项目中的集成方式：编译流程剖析、HAL 运行时设计、设备驱动抽象、部署到移动端或边缘设备的完整链路。

【编译器与 MLIR】总结与未来趋势

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #future #mlir-2 #llm #compiler-synthesis #dsco #open-problems

全系列收官：回顾 MLIR 的设计哲学如何重塑编译器工程的边界，审视 MLIR 2.0 的社区规划、AI 生成编译器的可能性与陷阱、以及编译器基础设施的开放问题——从方言生态到 DSCO 愿景。

【编译器与 MLIR】AI 时代的编译器基础设施

2026-06-09 | compiler · architecture | #mlir #llvm #compiler #dialect #linalg #affine #gpu #tensor #iree #codegen #ai-compiler #heterogeneous-computing #tablegen #pass

从三阶段编译器局限出发，系统讲解 MLIR 方言、渐进降阶与 Pass 基础设施，覆盖 Tensor/Linalg/Affine/GPU 到框架桥接的完整编译链。

【金融科技工程】金融科技工程全景：从支付到交易所的系统分类与读图

2026-04-22 | architecture · fintech | #fintech #roadmap #series-index #payment #clearing #exchange #risk

金融科技（FinTech）不是普通后端加一张账户表。钱的原子性、监管的硬边界、一个小数点的代价，把这个领域推进到工程强度最高的那一档。本文是【金融科技工程】25 篇的总目录与阅读地图：先交代为什么它比一般业务系统更难，再给出对账体、支付体、交易体、风控合规体四维分类，把后续 24 篇挂到骨架上，最后给出一份绿地项目的落地顺序建议。

【金融科技工程】幂等、事务与一致性：SAGA、TCC、对账补偿

2026-04-22 | architecture · fintech | #idempotency #transaction #saga #tcc #2pc #outbox #cdc #distributed-transaction #stripe

支付与账务系统里，"这笔操作能不能重放一遍"几乎是每一次故障复盘都会问到的问题。本文从网络重试的本质谈起，讲清楚幂等（idempotency）的三层设计、Idempotency-Key 的工程细节、订单状态机的落库方式，并横向对比 2PC、TCC、SAGA、可靠消息四种分布式事务方案，配合 Outbox Pattern、CDC、补偿策略与真实事故案例，给出一份可以直接落地的检查清单。

【金融科技工程】09 支付网关设计：路由、限流、补单、异步通知、签名与防重放

2026-04-22 | architecture · fintech | #payment-gateway #routing #rate-limit #circuit-breaker #idempotency #hsm #notification #channel

从业务系统到支付宝、微信、银联、Visa、Stripe、Airwallex，中间这一层"支付网关"承担了路由、限流、熔断、补单、签名、异步通知分发等几乎所有脏活累活。本文系统整理一个自研或半自研支付网关的工程设计，包括数据模型、双状态机、路由策略、密钥管理与可观测性。

【金融科技工程】订阅与计费系统：用量计量、账单、发票、出海 VAT/GST

2026-04-22 | architecture · fintech | #billing #subscription #metering #usage-based #invoice #vat #gst #sales-tax #stripe-billing #saas #dunning

SaaS 与云服务的订阅与用量计费工程实践：计费模型、计量（Metering）、订阅生命周期、账单与发票、dunning、出海税务（VAT/GST/sales tax/消费税）、定价引擎与数据模型。

【金融科技工程】撮合引擎实现：撮合算法、价格优先时间优先、状态机、低延迟工程

2026-04-22 | architecture · fintech | #matching-engine #order-book #price-time-priority #pro-rata #disruptor #rust #go #clob

深入剖析中央限价订单簿（CLOB）撮合引擎的数据结构与算法，覆盖价格时间优先、Pro-Rata、订单类型、自成交预防、集合竞价、确定性回放、WAL 快照、单线程事件循环与 Disruptor 模型，并给出 Rust/Go 简化实现与单元测试清单。

【金融科技工程】对账系统工程：账单、总账、资金对账、差错处理

2026-04-22 | architecture · fintech | #reconciliation #clearing-file #iso20022 #spark #flink #adjustment #differences

从金融本质、分层架构到文件格式、匹配算法、差错处理与调账流程，系统讲解对账系统的工程落地，包含 Python/Go 示例、Mermaid 状态机与大型平台十亿级对账方案。

系统架构设计

2026-04-13 | architecture | #system-design #architecture #software-engineering

中文互联网上最系统、最深入的系统架构设计技术博客系列。不做面试八股文搬运，不做最佳实践清单——每一篇文章都回答真实的工程问题、呈现关键的 trade-off、拆解生产环境中的真实案例。

【金融科技工程】交易所核心系统架构：撮合、行情、做市、风控、清算

2026-04-22 | architecture · fintech | #exchange #oms #matching-engine #market-data #low-latency #lmax #disruptor #fpga #crypto-exchange #binance

从订单网关到撮合引擎、从 L1/L2/L3 行情到清算与结算，系统梳理证券、期货、加密货币交易所的五大核心子系统；给出低延迟工程技术栈（Disruptor、Kernel Bypass、FPGA）、订单生命周期状态机、主流交易所（NYSE Pillar、Nasdaq INET、上交所新一代、CME Globex、Binance、dYdX v4）对比、以及 Flash Crash 与 Knight Capital 的工程教训。

【大模型基础设施工程】13：vLLM / SGLang / TensorRT-LLM / TGI 对比

2026-04-22 | architecture · ai-infra | #llm #infra #vllm #sglang #tensorrt-llm #tgi #lmdeploy #mindie #inference-engine #flashinfer

主流推理引擎的架构、性能、生态深度对比，给出工程选型与落地决策依据。

【可观测性工程】网络可观测性：Cilium Hubble、Pixie、DeepFlow、Tetragon

2026-04-22 | architecture · observability | #network-observability #cilium #hubble #tetragon #pixie #deepflow #ebpf #bpftrace #kfree-skb-reason #flow-log #service-topology #tls-decryption #http2

从 L3/L4/L7 三层观测视角出发，讲 eBPF socket filter / tc / XDP 数据采集与 Cilium Hubble 流日志、Tetragon 安全可观测、Pixie 协议自动解析、DeepFlow 架构；展开 bpftrace + kfree_skb_reason 的内核丢包定位、TLS 解密、HTTP/2 解析与服务拓扑自动发现。

【开源许可与版权工程】中国 AIGC 司法案例集：从春风画面到奥特曼案的工程启示

2026-04-22 | architecture · opensource | #china #aigc #copyright #case #spring-wind-face #ultraman #ai-lawsuit #tongyi #generative-ai #deepfake #voice-right #platform-liability

系统梳理 2023 年以来中国司法实践对生成式 AI 的关键判决：北京互联网法院 Stable Diffusion 春风画面案、广州互联网法院奥特曼案、上海浦东新区奥特曼新案、杭州互联网法院 AI 生成图可版权性案，以及围绕训练数据、平台责任、深度伪造、声音人格权的典型案件。每个案例给事实、裁判要点、与他国判例的比较、工程合规启示。

【系统架构设计】什么是软件架构：从代码结构到系统决策

2026-04-13 | architecture | #software-architecture #4+1-view #architecture-definition #architecture-decision #IEEE-42010

软件架构的定义至少有三种主流理解，每种指向不同的关注点。本文对比 Booch、Fowler、Johnson 三家定义，分析架构决策的不可逆性特征，拆解 Krutchten 4+1 视图模型，回答一个核心问题：架构和设计的边界到底在哪里。

【系统架构设计】架构质量属性：不只是"高可用高性能"

2026-04-13 | architecture | #quality-attributes #architecture-design #availability #performance #modifiability #security #testability #trade-off #SEI #ATAM

需求评审时写下的'高可用、高性能、高并发'，到了架构设计阶段几乎无法落地——因为它们不是可执行的需求。本文从 SEI/CMU 的质量属性理论出发，用 stimulus-response 场景模型把模糊需求变成可量化、可验证的架构约束，并拆解属性之间的冲突与联动关系。

【系统架构设计】架构决策与 ADR：如何做出可追溯的技术决策

2026-04-13 | architecture | #adr #architecture-decisions #documentation #engineering-practice #decision-records

口头约定的架构决策会在人员流动中丢失，会在争论中反复翻车。ADR（Architecture Decision Records）用一种轻量的文档格式，把每一个关键技术决策的背景、选项、理由和代价写下来，跟着代码一起版本管理。本文从 ADR 的三种主流格式讲到 Git 仓库中的实操管理，再拆解 Spotify 和 Uber 的工业实践。

【系统架构设计】架构评估：ATAM 与 trade-off 分析实战

2026-04-13 | architecture | #architecture-evaluation #atam #quality-attributes #tradeoff-analysis #risk #architecture-review

架构评审最怕'感觉还行'。本文完整拆解 ATAM 方法的三阶段九步骤流程，从质量属性效用树的构建、敏感点与权衡点的识别，到风险主题的归纳，用一个电商平台案例走完全过程。同时给出 ATAM 太重时的轻量替代方案。

【系统架构设计】复杂性管理：架构的核心战场

2026-04-13 | architecture | #complexity #modularity #information-hiding #cognitive-load #coupling #cohesion #DDD #technical-debt #connascence

系统复杂性是架构腐化的根源——本文从 Brooks 的本质复杂性与偶然复杂性划分出发，结合认知负荷理论与 Parnas 的信息隐藏原则，系统阐述复杂性的来源、度量与控制手段，并给出可操作的架构策略

【系统架构设计】架构视图与文档：C4 模型从入门到实战

2026-04-13 | architecture | #c4-model #architecture-documentation #structurizr #mermaid #diagram-as-code #adr #arc42

架构图画完三个月就过期，架构文档写完没人看。问题不在于画不画，而在于用什么模型画、用什么方式维护。本文从 C4 模型的四层视图出发，拆解 diagram-as-code 工具链和文档即代码的工程实践，给出一套让架构文档能活下来的方法。

【系统架构设计】单体架构：被严重低估的选择

2026-04-13 | architecture | #monolith #modular-monolith #architecture-pattern #Shopify

单体架构不等于大泥球。本文拆解单体架构的真实定义、模块化单体的设计方法、Shopify 的大型 Rails 单体实践，以及单体与微服务在工程效率上的量化对比，回答一个被回避太久的问题：什么时候单体才是正确答案？

【系统架构设计】分层架构：最古老的模式为何仍然有效

2026-04-13 | architecture | #layered-architecture #separation-of-concerns #dependency-inversion #Spring #Django

分层架构是软件工程中存活时间最长的架构模式。本文拆解分层的核心价值——关注点分离与依赖管理，区分 Layer 与 Tier 的本质差异，对比严格分层与宽松分层在耦合度、可测试性和性能上的真实影响，分析依赖倒置如何从根本上改变分层方向，并结合 Spring Boot 和 Django 的分层变体给出工程判断。

【系统架构设计】微服务架构深度审视：优势、代价与适用边界

2026-04-13 | architecture | #microservices #distributed-systems #service-boundary #Amazon #Netflix

微服务不是免费的午餐。本文从分布式系统八大谬误出发，拆解微服务真正解决的问题与引入的代价，梳理服务边界划分的工程方法论，还原 Amazon 和 Netflix 从单体到微服务的真实演进时间线，给出微服务适用与不适用的判断框架。

【系统架构设计】事件驱动架构：从消息通知到事件溯源

2026-04-13 | architecture | #event-driven #EDA #event-sourcing #Kafka #CQRS

事件通知、事件携带状态转移、事件溯源三种模式经常被混为一谈，但它们在耦合度、数据一致性、存储成本和调试难度上有本质差异。本文基于 Martin Fowler 的 EDA 分类，拆解三种模式的机制与取舍，分析 Kafka 在事件驱动架构中的角色与局限，讨论事件排序的工程挑战和 schema 演进策略。

【系统架构设计】CQRS：读写分离的架构哲学

2026-04-13 | architecture | #CQRS #read-write-separation #event-sourcing #materialized-view

CQRS 不是 Event Sourcing 的附属品——本文从 Greg Young 的原始定义出发，拆解简单 CQRS 与完整 CQRS 的区别、读模型物化视图策略、最终一致性的用户体验设计，以及不和 Event Sourcing 绑定时 CQRS 仍然有价值的场景。

【系统架构设计】六边形、洋葱与整洁架构：端口与适配器的统一视角

2026-04-13 | architecture | #hexagonal-architecture #ports-adapters #clean-architecture #onion-architecture #dependency-rule

六边形架构、洋葱架构和整洁架构在本质上共享同一条依赖规则——本文从 Alistair Cockburn 的原始论文出发，统一解读三种架构的核心思想，并给出 Go 和 Java 中端口-适配器的落地实现。

【系统架构设计】管道与过滤器：Unix 哲学的架构表达

2026-04-13 | architecture | #pipe-filter #Unix-philosophy #ETL #Apache-Beam #data-pipeline

管道与过滤器是最古老也最持久的架构模式之一——本文从 Unix 管道的设计哲学出发，拆解过滤器的无状态性与可组合性，分析现代 ETL 管道与 Apache Beam 统一模型的架构原理，并与事件驱动架构做系统对比。

【系统架构设计】空间架构：极端扩展场景的解法

2026-04-13 | architecture | #space-based-architecture #in-memory-data-grid #Hazelcast #Apache-Ignite #tuple-space

当数据库成为扩展瓶颈时，空间架构通过内存数据网格和处理单元复制实现近线性水平扩展——本文从元组空间的理论根基出发，剖析处理单元、虚拟化中间件的设计，并深入分析 Hazelcast 和 Apache Ignite 的架构实现。

【系统架构设计】扩展性原理：水平、垂直与对角扩展

2026-04-13 | architecture | #scalability #Amdahl #USL #horizontal-scaling #vertical-scaling

系统扩展性并非简单堆机器就能获得线性增长。本文从 Amdahl 定律和通用可扩展性定律（USL）出发，用数学模型量化串行化比例与一致性开销对吞吐量的真实约束，并结合工程案例说明如何识别瓶颈、选择扩展策略。

【系统架构设计】无状态设计：扩展的第一步也是最难的一步

2026-04-13 | architecture | #stateless #session-management #JWT #state-externalization #scalability

有状态服务是水平扩展的最大障碍。本文从 Session、文件上传、WebSocket 三个典型场景出发，拆解状态外置模式、JWT 与服务端 Session 的架构级差异，以及 Sticky Session 的真实代价，给出从有状态到无状态的完整迁移路径。

【系统架构设计】缓存架构：从本地到分布式的多级缓存体系

2026-04-13 | architecture | #cache #Redis #Memcached #cache-aside #write-behind #cache-consistency

缓存是系统性能优化的第一道防线，但缓存穿透、击穿、雪崩等问题让它也成为故障的高发区。本文从五种缓存读写模式的选型矩阵出发，拆解多级缓存的一致性协议，剖析 Facebook Memcache 论文中的工程决策，给出一套从本地缓存到分布式缓存的完整设计方法论。

【系统架构设计】数据库扩展：分库分表的工程实践与替代方案

2026-04-13 | architecture | #database-scaling #sharding #Vitess #TiDB #CockroachDB #NewSQL

当单表数据量突破千万行、查询延迟从毫秒级劣化到秒级时，分库分表往往是团队面临的第一个选项。本文从分片时机判断、三种分片策略的工程实现、跨分片查询的六种解法讲起，再拆解 Vitess、TiDB、CockroachDB 三套工业级方案的架构差异，回答一个核心问题：NewSQL 能否让我们彻底告别分库分表？

【系统架构设计】消息队列架构：异步解耦的设计与陷阱

2026-04-13 | architecture | #message-queue #Kafka #RabbitMQ #Pulsar #async #at-least-once #exactly-once

在分布式系统中，服务之间的直接同步调用会导致强耦合、级联故障和性能瓶颈。消息队列（Message Queue）作为异步通信的核心基础设施，在现代架构中承担着解耦、削峰、容错等关键职责。然而，引入消息队列并非没有代价——投递语义的选择、顺序性保证、消费者组再平衡、幂等消费等问题，每一个都隐藏着工程陷阱。本文将从原理到实践…

【系统架构设计】CDN 架构：全球加速的设计原理

2026-04-13 | architecture | #CDN #edge-computing #Anycast #Cloudflare #Akamai #dynamic-acceleration

互联网应用的用户遍布全球，从北京到纽约、从东京到伦敦，一次 HTTP 请求如果需要跨越半个地球才能到达源站服务器，延迟可能高达数百毫秒。内容分发网络（Content Delivery Network，简称 CDN）通过在全球各地部署边缘节点，将内容推送到离用户最近的位置，从根本上缩短了用户与内容之间的物理距离。本文将从…

【系统架构设计】连接池设计：被忽视的性能杀手

2026-04-13 | architecture | #connection-pool #HikariCP #PgBouncer #database #performance

每一次网络请求的背后，都隐藏着建立连接的成本。当应用服务器需要与数据库通信时，一次完整的连接建立过程可能消耗数十毫秒；在高并发场景下，频繁创建和销毁连接会迅速耗尽系统资源，成为整个架构中最容易被忽视的性能瓶颈。连接池（Connection Pool）技术通过预先创建并复用连接，将单次连接获取的时间从毫秒级压缩到微秒级，…

【系统架构设计】高可用设计模式：冗余、故障转移与仲裁

2026-04-13 | architecture | #high-availability #active-passive #active-active #split-brain #fencing #failover

Active-Passive、Active-Active、N+1 冗余——不同模式的故障检测与切换机制有何差异？本文拆解高可用的度量体系、冗余模型、故障转移机制、脑裂问题与 Fencing 策略，结合 VIP 漂移与 DNS 切换的工程实现，讨论主备切换中的数据一致性，最后以某支付系统数据库高可用架构为例，给出模式选型的完整对比。

【系统架构设计】弹性设计模式：熔断器、舱壁与超时

2026-04-13 | architecture | #resilience #circuit-breaker #bulkhead #timeout #retry #Resilience4j #Sentinel

重试为何反而让系统雪崩？熔断器的状态机如何设计才不会误判？本文从一次重试风暴引发的雪崩事故出发，系统拆解熔断器（Circuit Breaker）状态机设计与参数调优、舱壁（Bulkhead）资源隔离策略、级联超时预算分配、指数退避与抖动的数学原理，深入分析 Resilience4j 与 Sentinel 的架构差异，讨论装饰器组合顺序的陷阱，最后给出工程案例复盘和弹性模式选型对比。

【系统架构设计】容灾架构：多活与灾备设计

2026-04-13 | architecture | #disaster-recovery #active-active #RPO #RTO #multi-site #LDC

同城双活、异地多活、两地三中心——名词背后是完全不同的 RPO/RTO 和成本曲线。本文从容灾基础概念出发，拆解数据同步的五种拓扑、流量调度与 DNS 切换的工程细节，深入分析蚂蚁金服 LDC（逻辑数据中心）的多活架构，最后给出不同容灾等级的成本对比与选型建议。

【系统架构设计】SLO 工程：可靠性的量化管理

2026-04-13 | architecture | #SLO #SLI #SLA #error-budget #SRE #burn-rate #reliability

SLI、SLO、SLA 不只是运维指标——它们是架构决策的定量依据。本文从 Google SRE 的 Error Budget 策略出发，拆解多窗口燃烧率告警的数学原理，讲清楚 SLO 如何在产品与工程的冲突中充当仲裁者，并给出基于 Prometheus 和 Grafana 的落地方案。

【系统架构设计】容量规划：从拍脑袋到数据驱动

2026-04-13 | architecture | #capacity-planning #queueing-theory #load-testing #resource-modeling #baseline

容量规划不是'加机器'。本文从排队论基础讲起，用 Little 定律和 M/M/c 模型建立容量预测框架，再拆解全链路压测的设计方法和容量基线与水位线管理的工程实践，用一个电商大促案例走完从历史数据分析到资源供给的全过程。

【系统架构设计】混沌工程：主动验证系统的韧性

2026-04-13 | architecture | #chaos-engineering #Chaos-Monkey #LitmusChaos #ChaosBlade #fault-injection #resilience

混沌工程不是随机破坏——它是一套严谨的实验方法论。本文从混沌工程的五条原则出发，拆解 Netflix 从 Chaos Monkey 到 Chaos Kong 的演进历程，对比 LitmusChaos、ChaosBlade、Chaos Mesh 等工具的架构差异，讲清楚故障注入的分类学和 GameDay 演练的落地流程。

【系统架构设计】性能建模：用数学思维分析系统瓶颈

2026-04-13 | architecture | #performance-modeling #Little-Law #USL #queueing-theory #USE-method

深入讲解性能建模的核心数学工具——Little 定律、M/M/1 与 M/M/c 排队模型、USL 通用可扩展性定律以及 USE 方法，用公式推导、代码实现和真实案例帮助架构师在改代码之前就定位系统瓶颈。

【系统架构设计】延迟分析：从 P50 到 P999 的全链路追踪

2026-04-13 | architecture | #latency #tail-latency #P99 #fan-out #coordinated-omission #distributed-tracing

尾延迟为什么比平均延迟重要 100 倍？Fan-out 场景下延迟放大的数学本质是什么？本文从百分位数学出发，拆解 Jeff Dean 的 Tail at Scale 论文核心思想，深入分析协调省略陷阱、延迟预算分解、对冲请求与绑定请求策略，结合 OpenTelemetry 全链路追踪和 HDR Histogram 实战，给出可落地的延迟优化方法论。

【系统架构设计】吞吐量优化：批处理、流水线与并发模型

2026-04-13 | architecture | #throughput #batching #pipelining #concurrency #Nagle #TCP-CORK

单机吞吐量的理论上限取决于硬件并行度和软件调度效率。本文从 Amdahl 定律出发，分析批处理的最优批大小、流水线的级间平衡、Nagle 算法与 TCP_CORK 的工程权衡，给出数据库批量写入、Kafka 生产者调优、网络写合并等真实场景的优化路径。

【系统架构设计】线程模型：从 thread-per-request 到协程

2026-04-13 | architecture | #threading #Reactor #Proactor #goroutine #virtual-thread #async #C10K

thread-per-request、Reactor、Proactor、协程——不同线程模型决定了系统的并发上限和架构形态。本文从 C10K 问题出发，逐一拆解 select/poll/epoll 的演进、Reactor 与 Proactor 的设计差异、Go goroutine 的 GMP 调度、Java 21 Virtual Thread 的实现原理、Rust async/await 的零成本抽象，并通过 Nginx、Node.js、Netty 的工程实践说明线程模型如何约束整个系统架构。

【系统架构设计】零拷贝与内存映射：数据搬运的极致优化

2026-04-13 | architecture | #zero-copy #sendfile #splice #io-uring #mmap #DPDK #Kafka

一次普通的文件传输在 Linux 内核中要经历 4 次数据拷贝和 4 次上下文切换。sendfile、splice、mmap、io_uring、DPDK 各自用不同的方式缩减这条路径，但每种方案都有自己的使用条件和工程限制。本文从 Linux 内核的数据搬运路径出发，拆解五种零拷贝（Zero-Copy）技术的机制与取舍，结合 Kafka、Nginx、DPDK 的工程实践，讨论什么场景该用、什么场景不该用。

【系统架构设计】数据库性能模式：索引、查询与连接管理

2026-04-13 | architecture | #database-performance #B-plus-tree #query-optimizer #index-design #connection-pool

从 B+树索引的 I/O 成本模型、查询优化器的统计信息偏差到连接池大小与数据库并发度的关系，系统性地分析慢查询背后的架构级问题，涵盖索引设计、EXPLAIN 计划解读、HikariCP 连接池调优与 N+1 查询治理等核心主题。

【系统架构设计】全链路压测：大规模系统的性能验证

2026-04-13 | architecture | #load-testing #shadow-traffic #traffic-replay #performance-validation #stress-testing

从流量录制与回放、影子流量架构到压测数据隔离，系统讲解如何在不影响生产环境的前提下验证系统的真实性能极限。

【系统架构设计】数据建模：从关系范式到文档模型的真实权衡

2026-04-13 | architecture | #data-modeling #normalization #document-model #graph-model #relational

范式化和反范式化的决策点在哪里？文档模型真的比关系模型更灵活吗？本文从工程实践出发，分析关系范式的真实意义、文档模型的 join 困境、图模型的适用场景，帮助架构师做出理性的数据建模决策。

【系统架构设计】多模数据库选型：Polyglot Persistence 的工程实践

2026-04-13 | architecture | #polyglot-persistence #database-selection #CAP #PACELC #Uber

SQL、KV、Document、Graph、Time-series——如何为不同数据需求选择正确的存储？本文从 CAP/PACELC 定理的实际应用出发，分析多存储间的数据一致性挑战，复盘 Uber 从 Postgres 迁移到 MySQL+Schemaless 的教训。

【系统架构设计】数据湖与数据仓库：分析架构的演进路线

2026-04-13 | architecture | #data-lake #data-warehouse #Lambda #Kappa #Lakehouse #Delta-Lake #Iceberg

Lambda、Kappa、Lakehouse 三种架构的本质区别和适用场景是什么？本文深入 Delta Lake 和 Apache Iceberg 的设计原理，分析流批一体的工程挑战，并提供数据质量保证的架构方案。

【系统架构设计】流处理架构：从批处理到实时的范式迁移

2026-04-13 | architecture | #stream-processing #Flink #Kafka-Streams #exactly-once #windowing #event-time

流处理的 exactly-once 语义在工程上到底有多难？窗口计算的语义陷阱是什么？本文深入 Flink 的 checkpoint 机制、事件时间与处理时间的工程影响，对比 Kafka Streams 与 Flink 的架构差异。

【系统架构设计】搜索引擎架构：倒排索引之上的系统设计

2026-04-13 | architecture | #search-engine #inverted-index #Elasticsearch #relevance #distributed-index

一个生产级搜索系统除了倒排索引，还需要哪些架构组件？本文分析分布式索引的分片策略、相关性排序的工程实现，深入 Elasticsearch 的集群架构与运维陷阱。

【系统架构设计】时序数据架构：监控与 IoT 的存储设计

2026-04-13 | architecture | #timeseries #Gorilla #InfluxDB #Prometheus #TimescaleDB #downsampling

时序数据的写入密集、查询模式固定——如何利用这些特征设计高效存储？本文深入 Gorilla 编码原理、降采样策略，对比 InfluxDB、Prometheus、TimescaleDB 的架构设计。

【系统架构设计】数据迁移与版本化：在线不停机的数据演进

2026-04-13 | architecture | #data-migration #expand-contract #gh-ost #online-DDL #schema-evolution

如何在不停机的前提下完成数据库 schema 迁移、数据格式升级、存储引擎更换？本文深入 Expand-Contract 模式、双写双读的一致性保证，复盘 GitHub 的 gh-ost 和 Stripe 的在线迁移实践。

【系统架构设计】应用层数据一致性模式：在正确性与性能之间走钢丝

2026-04-13 | architecture | #consistency #Saga #TCC #outbox-pattern #distributed-transaction #compensation

Saga、TCC、本地消息表、事务发件箱——应用层一致性方案的选型依据是什么？本文深入每种模式的补偿机制设计，对比 Saga 编排与协调，剖析 Eventuate Tram 的实现原理。

【系统架构设计】API 设计哲学：REST vs GraphQL vs gRPC 的真实权衡

2026-04-13 | architecture | #API-design #REST #GraphQL #gRPC #Richardson-maturity-model

REST、GraphQL、gRPC 三种 API 范式各自的最佳场景是什么？为什么很多团队的 REST API 越用越痛？本文从 Richardson 成熟度模型讲起，深入 GraphQL 的 N+1 问题、gRPC 的流式通信，用实际工程案例和代码拆解三种范式的真实权衡。

【系统架构设计】API 网关设计：入口层的职责边界

2026-04-13 | architecture | #API-gateway #Kong #Envoy #APISIX #BFF #reverse-proxy

从路由转发、限流熔断到认证鉴权与协议转换，系统讲解 API 网关在微服务架构中的职责边界，对比 Kong、Envoy、APISIX 三大方案，并给出 BFF 模式与高可用设计的工程实践。

【系统架构设计】服务发现与注册：动态拓扑的基础设施

2026-04-13 | architecture | #service-discovery #Consul #Eureka #Nacos #DNS #health-check

在动态扩缩容和容器化部署成为常态的今天，静态 IP 配置已经无法应对服务实例的频繁变化。服务发现与注册机制为分布式系统提供了一张实时更新的通讯录，使服务之间能够在不感知底层拓扑变化的前提下完成通信。本文从客户端发现与服务端发现两种模式出发，深入拆解 Consul、Eureka、Nacos 三大注册中心的架构差异，讨论 DNS 服务发现的局限、健康检查的工程挑战、服务网格中的发现机制，以及优雅关停与反注册的实践细节。

【系统架构设计】配置管理架构：从配置文件到配置中心

2026-04-13 | architecture | #config-management #12-factor #Apollo #Nacos #etcd #dynamic-config

配置应该放在代码里、环境变量里、还是配置中心里？本文从 12-Factor App 的配置理念出发，拆解配置的分层模型，深入分析 Apollo、Nacos、etcd 三大配置中心的架构与取舍，讨论动态配置灰度发布、配置加密与审计、Feature Flags 等工程实践。

【系统架构设计】幂等性设计：分布式环境下的安全重试

2026-04-13 | architecture | #idempotency #idempotency-key #Stripe #distributed-lock #deduplication

2022 年某电商平台在"双十一"大促期间，因网关超时重试机制配置不当，导致支付服务在 3 分钟内对同一笔订单执行了两次扣款。受影响用户超过 1.2 万人，平台不得不在 48 小时内完成逐笔退款与补偿，直接经济损失超过 800 万元。事后复盘发现，根本原因并非网络故障本身，而是支付接口缺乏幂等性（Idempotency…

【系统架构设计】契约测试与 Schema 演进：服务间的信任协议

2026-04-13 | architecture | #contract-testing #Pact #Protobuf #Avro #schema-evolution #Schema-Registry

微服务拆分之后，服务间的接口兼容性成为系统稳定性的最大隐患。Pact 的消费者驱动契约、Protobuf 和 Avro 各自不同的 Schema 演进规则、Confluent Schema Registry 的兼容性策略——这些机制共同构成了服务间的信任协议。本文从一个真实的 Breaking Change 事故出发，拆解契约测试与 Schema 演进的工程实践，给出可落地的 CI/CD 集成方案。

【系统架构设计】长连接与推送架构：WebSocket、SSE 与 MQTT

2026-04-13 | architecture | #WebSocket #SSE #MQTT #push-architecture #long-connection #epoll

推送系统的核心难度不在协议选型，而在连接管理、心跳检测、断线重连、消息可靠投递这些工程细节。本文从 WebSocket 帧格式、SSE 重连机制、MQTT QoS 三级语义讲起，拆解百万长连接的 epoll 单机架构，深入分析心跳探活、指数退避重连、离线消息队列的设计取舍，结合即时通讯和物联网两个工程案例，讨论推送系统从单机到集群的水平扩展路径。

【系统架构设计】DDD 战略设计：限界上下文与上下文映射

2026-04-13 | architecture | #DDD #bounded-context #context-mapping #strategic-design #Eric-Evans

一个中型电商系统里，"订单"在交易团队意味着"待支付的购物车快照"，在物流团队意味着"等待拣货的配送单"，在财务团队意味着"一条应收账款记录"。三个团队共用同一张 torder 表、同一个 OrderService 类，每次迭代都互相踩脚。这种混乱的根源不是代码质量，而是缺少一项最基本的架构决策——限界上下文（Boun…

【系统架构设计】DDD 战术模式：聚合、实体与值对象

2026-04-13 | architecture | #DDD #aggregate #entity #value-object #domain-service #tactical-design

某团队在实施领域驱动设计时，把整个"订单"建模为一个聚合根（Aggregate Root），其中包含订单基本信息、所有订单行、配送信息、支付记录、物流轨迹、评价数据。结果这个聚合加载一次需要从 7 张表联查，保存一次需要锁定整个订单树。并发下单高峰期，数据库锁等待飙升至秒级。这就是典型的"大聚合"反模式——聚合的边界画…

【系统架构设计】领域事件与事件风暴：从业务到架构的桥梁

2026-04-13 | architecture | #event-storming #domain-events #Alberto-Brandolini #collaborative-modeling

一个 20 人的开发团队花了两个月画 UML 图和写需求文档，依然对核心业务流程的理解存在分歧。直到有一天，团队把领域专家、开发者、测试人员全部拉进一个大会议室，用橙色便利贴写出了系统中发生的所有事件——两个小时后，所有人第一次在同一幅图上看到了业务全貌。这就是事件风暴（Event Storming）的力量。

【系统架构设计】防腐层与开放主机服务：系统集成的 DDD 方案

2026-04-13 | architecture | #anti-corruption-layer #open-host-service #DDD #legacy-integration #adapter-pattern

某金融科技公司正在构建新一代交易系统。新系统使用领域驱动设计，模型清晰、代码整洁。然而它必须对接一套运行了 15 年的核心银行系统（Core Banking System）——这套系统的接口返回 COBOL 风格的定长字段，状态码用两位数字表示（"01"正常、"02"冻结、"99"未知），金额用"分"而非"元"为单位。…

【系统架构设计】CQRS + Event Sourcing 完整实战：从领域建模到部署

2026-04-13 | architecture | #CQRS #event-sourcing #event-store #projection #upcasting #EventStoreDB

某金融交易平台在引入事件溯源（Event Sourcing）后，获得了完整的审计日志和时间旅行能力。但三个月后，团队发现一些事件流已经积累了超过 10 万条事件，聚合加载时间从毫秒级退化到秒级。更麻烦的是，业务迭代中修改了事件结构，旧版本事件无法反序列化。这些问题不是事件溯源本身的缺陷，而是工程实践上的坑——教科书通常…

【系统架构设计】DDD 与微服务：用领域模型划分服务边界

2026-04-13 | architecture | #DDD #microservices #service-boundary #Team-Topologies #Conway-Law

某电商团队按数据库表拆分微服务——用户服务管 tuser，商品服务管 tproduct，订单服务管 torder。看起来边界清晰，实际运行中却发现：下单需要同步调用商品服务查价格、调用库存服务检查库存、调用优惠服务算折扣、调用用户服务查地址，一个下单请求扇出 4 次 RPC，任意一个服务超时整条链路就失败。这种"一实体…

【系统架构设计】认证架构：从 Session 到 JWT 到 OIDC

2026-04-13 | architecture | #authentication #JWT #Session #OIDC #OAuth2 #SSO

用户登录这件事，从单体时代的 Session-Cookie 到微服务时代的 JWT，再到企业级 SSO 的 OIDC，每一次演进都在解决上一代方案的痛点，同时引入新的复杂性。本文从 Session 的状态管理问题出发，拆解 JWT 的无状态验证机制与吊销困境，深入分析 OAuth 2.0 授权码流程的完整攻击面，给出 SSO 架构选型的工程判据。

【系统架构设计】授权架构：RBAC、ABAC 与策略引擎

2026-04-13 | architecture | #authorization #RBAC #ABAC #ReBAC #Zanzibar #OPA

授权是安全架构的核心环节。本文从 RBAC 的角色爆炸问题出发，深入剖析 ABAC、ReBAC 与 Google Zanzibar 模型，并结合 OPA 策略引擎的集成实践，给出权限数据存储与缓存的工程方案。

【系统架构设计】零信任架构：不信任网络边界的安全模型

2026-04-13 | architecture | #zero-trust #BeyondCorp #mTLS #SPIFFE #micro-segmentation

VPN 解决的是'谁能进入内网'，但进入之后的横向移动几乎不受约束——这正是近年来大规模数据泄露事件的核心攻击路径。零信任架构（Zero Trust Architecture）将安全判定点从网络边界下沉到每一次请求，通过 mTLS、SPIFFE/SPIRE、持续身份验证和微分段实现'永不信任，始终验证'。本文从 BeyondCorp 模型出发，拆解零信任的核心组件、工程实现和选型取舍。

【系统架构设计】API 安全：从注入攻击到供应链威胁

2026-04-13 | architecture | #API-security #OWASP #BOLA #SSRF #WAF #shift-left

OWASP API Security Top 10 中，BOLA 连续两版占据榜首，却是日常开发中最容易被忽视的漏洞类别。本文从 BOLA、SSRF、注入攻击三条攻击链出发，拆解 WAF 失效的根本原因，讨论 API 网关安全架构与 Shift-Left 策略的工程落地方法，结合金融科技公司的纵深防御实践，回答一个核心问题：如何在 API 层面建立系统性的安全防线。

【系统架构设计】数据加密架构：静态、传输与应用层加密

2026-04-13 | architecture | #encryption #KMS #envelope-encryption #TDE #at-rest #in-transit

数据加密看似只是调用一个 API，实际涉及三个完全不同的威胁模型和工程取舍。本文从静态加密、传输加密、应用层加密三个层次出发，拆解信封加密原理、KMS 架构设计、TDE 性能影响与同态加密的工程可行性，给出可落地的多层加密方案。

【系统架构设计】密钥管理与证书体系：PKI 的工程实践

2026-04-13 | architecture | #PKI #certificate #ACME #Let-Encrypt #HSM #key-management

证书过期导致全站宕机的事故屡见不鲜——根源不是某个运维人员忘了续期，而是组织缺乏自动化的证书生命周期管理。本文从 PKI 基础架构讲起，深入 ACME 协议的自动化流程、短期证书策略、HSM 硬件密钥保护，给出 cert-manager 与内部 PKI 的完整落地方案。

【系统架构设计】日志架构：从 printf 到结构化日志管道

2026-04-13 | architecture | #logging #structured-logging #ELK #Loki #log-pipeline

非结构化日志在分布式系统中几乎无用——你无法用 grep 在 500 个 Pod 的输出里定位一个跨服务的超时问题。本文从结构化日志的设计规范讲起，拆解 ELK 和 Loki 两大日志栈的架构差异与成本模型，深入讨论日志采样、动态日志级别、日志管道的流量控制与安全合规，结合 Uber 和 Cloudflare 的工程实践，给出可落地的日志架构设计方案。

【系统架构设计】指标与监控架构：维度数据模型与基数爆炸

2026-04-13 | architecture | #metrics #Prometheus #VictoriaMetrics #Thanos #cardinality #USE #RED

Prometheus 的 pull 模型在小规模集群中简洁高效，但当目标实例超过十万、指标基数突破千万时，单实例架构迅速遇到瓶颈。本文从时序数据库的存储原理出发，拆解 Prometheus、VictoriaMetrics、Thanos 的联邦与长期存储架构，分析基数爆炸的成因与治理手段，结合 USE、RED、Golden Signals 三种方法论，给出大规模指标监控体系的工程设计路径。

【系统架构设计】分布式追踪：OpenTelemetry 与全链路可观测

2026-04-13 | architecture | #distributed-tracing #OpenTelemetry #Jaeger #Tempo #sampling #W3C-Trace-Context

分布式追踪的采样率设多少？100% 采样的成本和收益分别是什么？本文从 Google Dapper 论文的 Trace/Span 模型出发，拆解 W3C Trace Context 标准的传播机制，深入 OpenTelemetry SDK、Collector、Exporter 三层架构，对比 Jaeger 与 Tempo 的存储设计差异，讨论头部采样、尾部采样与自适应采样的工程取舍，结合 Uber 迁移 OpenTelemetry 的实战经验，给出追踪数据驱动的自动拓扑发现与关键路径分析方法。

【系统架构设计】告警策略：如何避免"狼来了"

2026-04-13 | architecture | #alerting #SLO-based-alerting #burn-rate #Alertmanager #alert-fatigue

大多数团队的告警系统都在制造噪声而不是传递信号。阈值告警看似直观，实则产生大量误报和漏报，值班工程师在凌晨三点被叫醒，却发现只是一次无害的毛刺。本文从告警疲劳的工业数据出发，拆解基于 SLO 的多窗口燃烧率告警算法，深入 Alertmanager 的路由、抑制与分组机制，结合 PagerDuty 的告警疲劳研究和真实工程案例，给出一套可落地的告警策略设计方法。

【系统架构设计】部署架构：蓝绿、金丝雀与渐进式发布

2026-04-13 | architecture | #deployment #blue-green #canary #rolling-update #GitOps #Argo-Rollouts

深入剖析蓝绿部署、金丝雀发布与滚动更新三大策略的选型依据，结合 Argo Rollouts 分析驱动发布、GitOps 流程与 Feature Flag 解耦实践，探讨数据库 Schema 变更时的安全发布方案。

【系统架构设计】特性开关架构：安全发布与实验的工程实践

2026-04-13 | architecture | #feature-flags #LaunchDarkly #Unleash #release-management #experimentation

Feature Flag 不只是 if-else——当系统中存在数千个 flag 时，如何分类管理、控制生命周期、避免技术债务堆积？本文从特性开关的四种分类出发，拆解 LaunchDarkly 与 Unleash 的 SDK 架构和求值引擎，深入讨论 flag 清理策略、渐进发布、A/B 实验集成，结合 Netflix、GitHub 等公司的工程实践，给出可落地的特性开关治理方案。

【系统架构设计】故障排查方法论：从告警到根因的系统化路径

2026-04-13 | architecture | #incident-response #postmortem #ICS #oncall #root-cause-analysis #SRE

凌晨三点的告警响了，你打开笔记本，盯着一堆指标不知道从哪里下手——两小时后发现是配置改错了。这种经历几乎每个 oncall 工程师都有过。本文从 Incident Command System 在 SRE 中的适配讲起，拆解从告警到根因的系统化排查路径，覆盖事件分级、假设驱动调试、事后复盘的无责文化、Google 与 Meta 的 oncall 体系，给出可落地的 Runbook 模板和 Postmortem 模板。

【系统架构设计】容器架构：从 namespace 到生产运行时

2026-04-13 | architecture | #container #Docker #containerd #CRI-O #namespace #cgroup #OCI

2013 年 3 月，Solomon Hykes 在 PyCon 上用五分钟演示了 Docker 的原型：一条命令就能把应用连同依赖打包成一个可移植的单元，在任何 Linux 机器上秒级启动。这个演示没有展示任何新技术——namespace 在 2002 年就进入了 Linux 内核，cgroup 在 2007 年由…

【系统架构设计】Kubernetes 架构深度解析

2026-04-13 | architecture | #Kubernetes #k8s #apiserver #etcd #controller #operator #CRD

2014 年 6 月，Google 将其内部容器编排系统 Borg 的设计思想提炼并开源，发布了 Kubernetes（简称 K8s）项目。Borg 在 Google 内部运行了超过十年，管理着数百万个容器实例，支撑了搜索、Gmail、YouTube 等核心服务。根据 Google 2015 年发表的论文《Large-…

【系统架构设计】Serverless 架构：冷启动、成本模型与适用场景

2026-04-13 | architecture | #serverless #Lambda #CloudRun #Knative #cold-start #FaaS

2023 年，Datadog 发布的年度 Serverless 报告显示，超过 70% 的 AWS 用户已在生产环境中使用 Lambda，平均每个组织部署了超过 1000 个 Lambda 函数。然而，同一份报告也指出，冷启动（Cold Start）仍然是开发者最关注的性能问题——在 Java 运行时中，P99 冷启动…

【系统架构设计】基础设施即代码：Terraform、Pulumi 与 GitOps

2026-04-13 | architecture | #IaC #Terraform #Pulumi #CDK #GitOps #drift-detection

2023 年 12 月，一家金融科技公司的运维工程师在 AWS 控制台上手动修改了一条安全组规则，把某个内部服务的端口从仅限 VPC 内访问改成了 0.0.0.0/0。这次修改的目的是临时排查一个跨区域的连接问题，本打算五分钟后改回来。结果工程师被另一个紧急工单打断，忘记了这件事。三天后，自动化扫描工具发现该端口暴露在…

【系统架构设计】Service Mesh：Sidecar 的代价与无 Sidecar 的未来

2026-04-13 | architecture | #service-mesh #Istio #Linkerd #Cilium #Envoy #eBPF #sidecar

2023 年，某头部电商平台在全量接入 Istio 后发现：每个 Pod 的内存占用增加了 40-70 MB，p99 延迟从 12 ms 上升到 18 ms，整个集群每月多出数万美元的计算成本。这并非个例。CNCF 2024 年度调查显示，超过 60% 的受访企业已在生产环境中使用或评估服务网格（Service Mes…

【系统架构设计】多云与混合云架构：避免供应商锁定的代价

2026-04-13 | architecture | #multi-cloud #hybrid-cloud #Crossplane #KubeVela #vendor-lock-in

2019 年，一家欧洲金融科技公司在 AWS 上运行全部核心业务。年度 AWS 账单 1200 万美元，合同续签时 AWS 给出的折扣力度不如预期。CTO 拍板："我们要做多云，把 30% 的工作负载迁到 GCP，增加谈判筹码。"18 个月后，GCP 上确实跑了一部分服务，但公司为此新招了 8 名专职云平台工程师，重写…

【系统架构设计】平台工程：构建开发者自服务的内部平台

2026-04-13 | architecture | #platform-engineering #Backstage #IDP #developer-experience #golden-path

2022 年，Spotify 公开了一个数据：新工程师从入职到第一次将代码部署到生产环境，平均只需要不到一天。在同一年，Humanitec 对 1000 多家企业的调查显示，没有内部平台的公司里，这个过程的中位数是两周到一个月——主要时间花在了"找人问怎么配置 CI 流水线""等待 Ops 团队开通 Kubernete…

【系统架构设计】单体到微服务：迁移策略与 Strangler Fig 模式

2026-04-13 | architecture | #migration #strangler-fig #monolith-to-microservices #DDD #database-decomposition

2016 年，英国某大型零售商投入 3 年、耗资数亿英镑试图用"大爆炸"方式重写其核心电商系统，最终项目被彻底取消，旧系统继续运行。这并非孤例——Netscape 6 的全面重写导致公司丧失浏览器市场主导地位，而 Friendster 的重写则直接加速了公司的消亡。大爆炸重写（Big Bang Rewrite）的失败率…

【系统架构设计】技术债务：量化、可视化与偿还策略

2026-04-13 | architecture | #tech-debt #CodeScene #SonarQube #code-health #refactoring

Ward Cunningham 在 1992 年首次提出技术债务（Technical Debt）这一概念时，他将其类比为金融债务：为了快速交付而做出的技术妥协就像借款，后续的维护成本就是利息。三十多年过去了，技术债已经从一个形象的隐喻演变为可以被精确量化的工程指标。根据 Stripe 2018 年的调研报告，全球开发者…

【系统架构设计】架构治理：适应度函数与演进式架构

2026-04-13 | architecture | #governance #fitness-function #ArchUnit #evolutionary-architecture #ADR

架构决策写在文档里，三个月后没人记得；架构评审会上达成的共识，半年后被新来的同事无意打破。这是每一个经历过大型系统演进的架构师都深有体会的痛点。当系统规模超过 50 个微服务、团队人数突破 200 人时，仅靠文档和评审来守住架构约束，几乎不可能。Netflix 在 2018 年提出的「铺好的路（Paved Road）」…

【系统架构设计】遗留系统现代化：评估框架与渐进策略

2026-04-13 | architecture | #legacy #modernization #TIME-model #anti-corruption-layer #mainframe

全球超过 70% 的企业核心交易仍运行在 20 年以上的遗留系统（Legacy System）之上。银行的核心账务跑在大型机（Mainframe）COBOL 程序里，电信的计费系统依赖上世纪的 C/C++ 代码，政府的社保系统还在用 PowerBuilder 客户端。这些系统每天处理着数以亿计的交易，承载着关键业务逻辑…

【系统架构设计】架构师工具箱：建模、可视化与决策辅助

2026-04-13 | architecture | #tools #C4-model #Structurizr #Lattix #architecture-visualization

架构设计不是凭空想象，而是需要工具辅助的系统性工程。从最初的白板画图到如今的代码化架构描述（Architecture as Code），架构师手中的工具箱经历了深刻的变革。一个成熟的架构团队，至少需要在三个维度上配备趁手的工具：建模与描述——将头脑中的架构意图精确表达出来；可视化与沟通——让不同角色的干系人都能理解架构…

【系统架构设计】康威定律与逆康威定律：组织架构决定系统架构

2026-04-13 | architecture | #Conways-law #inverse-Conway #Team-Topologies #org-design #sociotechnical

很多团队在推进微服务化的过程中会遇到一个诡异的现象：技术方案设计得很漂亮，领域模型划分得也合理，但落地之后服务之间的耦合度却越来越高，接口爆炸式增长，跨服务调用链路越来越深。排查下来，根本原因往往不在代码里，而在组织架构里——三个团队负责的三个服务之间，恰好复刻了三个团队之间的汇报关系和沟通路径。这就是康威定律（Con…

【系统架构设计】Twitter 架构演进：从 Ruby 到分布式时间线

2026-04-13 | architecture | #Twitter #timeline #fanout #Manhattan #Ruby-to-JVM

2006 年，Jack Dorsey 发出第一条推文时，Twitter 只是一个运行在单台服务器上的 Ruby on Rails 应用。到 2012 年，它已经变成一个由数百个 JVM 微服务组成的分布式系统，每秒处理超过 40 万条推文的写入和数十亿次时间线读取。这段演进历程浓缩了互联网架构从单体到微服务、从通用数据…

【系统架构设计】Netflix 架构全景：混沌工程的诞生地

2026-04-13 | architecture | #Netflix #chaos-engineering #Zuul #EVCache #microservices #resilience

Netflix 在 2008 年经历了一次长达三天的数据库故障，导致 DVD 寄送业务全面瘫痪。这次事故促使团队做出了一个关键决策：放弃自建数据中心，全面迁移到亚马逊云服务（Amazon Web Services，AWS）。这一决策不仅重塑了 Netflix 的技术栈，还催生了混沌工程（Chaos Engineerin…

【系统架构设计】Uber 架构演进：从单体到领域导向微服务

2026-04-13 | architecture | #Uber #DOMA #Ringpop #Schemaless #microservice-governance

Uber 在 2010 年上线时只有一个 Python 单体应用，服务三个城市的出行需求。到 2020 年，这家公司运行着超过 4000 个微服务，覆盖出行、外卖、货运、金融等多条业务线，日均处理数千万次行程请求。这段十年的技术演进史，浓缩了单体拆分、微服务膨胀、治理回归三个阶段的完整教训。本文将从时间线出发，逐层拆解…

【系统架构设计】微信架构：十亿用户的即时通信挑战

2026-04-13 | architecture | #WeChat #instant-messaging #Mars #mobile-architecture #red-packet

微信月活跃用户超过 13 亿。每天有超过 450 亿条消息在这个系统中流转，峰值时每秒的消息量达到数千万级别。这个数字背后，是一套从移动网络层到存储层、从消息同步协议到支付系统的完整技术体系。

【系统架构设计】阿里巴巴架构：双十一的流量工程

2026-04-13 | architecture | #Alibaba #Double-11 #unitization #TDDL #full-link-stress-testing

2024 年双十一，天猫交易峰值达到 58.3 万笔/秒。这个数字背后，是阿里巴巴十余年架构演进的结晶——从最初的单体 LAMP 栈，到如今横跨全球多个数据中心的单元化架构（Logical Data Center，LDC），每一次双十一都是对系统极限的真实检验。本文将从单元化架构、分库分表中间件、全链路压测、弹性伸缩、…

【系统架构设计】Google 基础设施：Borg、Spanner 与全球化架构

2026-04-13 | architecture | #Google #Borg #Spanner #TrueTime #B4 #global-infrastructure

Google 在 2003 年发表 GFS 论文时，整个行业还在用单机数据库处理 Web 请求。此后二十年间，Google 内部基础设施经历了多次代际演进，从 GFS 到 Colossus，从 MapReduce 到 Flume，从 Borg 到 Kubernetes，从 Bigtable 到 Spanner。这些系统…

【系统架构设计】Slack 架构：实时协作的工程挑战

2026-04-13 | architecture | #Slack #WebSocket #real-time #Flannel #Vitess #PHP-migration

Slack 每天为超过一千万活跃用户提供实时消息服务，峰值时段同时维持数百万条 WebSocket（全双工通信协议）长连接。一条消息从发送到被同一频道所有成员看到，端到端延迟通常控制在 200 毫秒以内。这套系统并非一蹴而就：它从一个 PHP 单体应用起步，历经数次关键重构，逐步演变为以 Hack、Go、Java 为核…

【系统架构设计】数据密集型架构：批流一体与 Lakehouse

2026-04-13 | architecture | #data-intensive #Lakehouse #Flink #Spark #Delta-Lake #Iceberg #Lambda-architecture

从 Lambda 架构的双轨困境出发，深入剖析 Kappa 架构与批流一体的演进逻辑，对比 Flink 与 Spark Structured Streaming 的核心差异，解读 Delta Lake、Apache Iceberg 等 Table Format 的技术之争，并给出实时数仓的落地架构方案。

【金融科技工程】反洗钱与 KYC：客户尽调、交易监测、STR/SAR、FATF

2026-04-22 | architecture · fintech | #aml #kyc #sanctions #fatf #ofac #chainalysis #travel-rule #compliance #edd #tms

从 FATF 四十项建议、OFAC、AMLD、人民银行反洗钱监管出发，系统讲解 KYC 生命周期、身份核验、制裁名单筛查、交易监测系统（TMS）、案件管理、加密货币旅行规则与 Travel Rule 协议的工程实现。

【可观测性工程】指标体系设计：USE、RED、Golden Signals 与业务 KPI

2026-04-22 | architecture · observability | #metrics #use-method #red-method #golden-signals #prometheus #cardinality #histogram #summary #slo #kpi

USE 方法论适用于资源，RED 方法论适用于请求，Golden Signals 适用于服务——三套方法论各有其适用对象。本文从 Brendan Gregg、Tom Wilkie、Google SRE 的原始定义出发，构建覆盖资源→服务→业务的完整指标体系，并给出 Prometheus 命名规范、基数治理策略与可抄的指标清单。

【可观测性工程】Metrics：Prometheus、VictoriaMetrics、Thanos、Mimir、M3

2026-04-22 | architecture · observability | #prometheus #victoriametrics #thanos #mimir #m3db #promql #remote-write #tsdb #metrics #observability

从 Prometheus 架构与数据模型出发，系统梳理 Remote Write、PromQL 进阶、Thanos 全局聚合、Mimir 多租户、VictoriaMetrics 性能、M3DB 原理，以及五者在大规模生产场景下的对比矩阵与迁移实践。

【可观测性工程】Logs：Loki、ClickHouse、Elasticsearch、OpenObserve 的取舍

2026-04-22 | architecture · observability | #loki #elasticsearch #clickhouse #openobserve #logs #logql #observability #quickwit #signoz

从日志场景分类出发，深入对比 Elasticsearch/OpenSearch、Grafana Loki、ClickHouse、OpenObserve 四大方案在全文检索、写入吞吐、存储成本、多租户和运维复杂度上的本质差异，结合 B 站、知乎 ClickHouse 日志平台实践，给出选型决策矩阵与工程坑点。

【可观测性工程】OpenTelemetry 深入：SDK、Collector、语义约定与版本演进

2026-04-22 | architecture · observability | #opentelemetry #otlp #collector #semantic-conventions #tracing #metrics #logs #otel-sdk #tail-sampling

从 OpenTracing 与 OpenCensus 合并到今天的 OTel v1 稳定版，梳理 SDK 生命周期、Collector 流水线、OTLP 协议与 Semantic Conventions 的工程意义，并结合阿里 ARMS、观测云、夜莺等国内实践，给出多租户与尾采样的落地建议。

持续性能分析（Continuous Profiling）：Parca、Pyroscope、Grafana Beyla

2026-04-22 | architecture · observability | #continuous-profiling #parca #pyroscope #beyla #ebpf #flamegraph #pprof #observability #performance

深入剖析持续性能分析（Continuous Profiling）的原理、架构与落地实践，覆盖 Parca、Pyroscope、Grafana Beyla 三大主流方案，包含 eBPF 采样、符号解析、火焰图、差异分析以及字节跳动、美团的生产案例与工程坑点。

数据库前沿理论研究

2026-04-22 | db · architecture | #database #ai-native #vector-db #graphrag #htap #sigmod #vldb

面向 2026 年数据库研究前沿的系列索引，覆盖 AI-Native DB、向量与图检索、HTAP、Serverless、CXL、隐私计算与可验证数据系统。

系统设计案例索引

2026-04-22 | architecture | #system-design #performance #serialization #hashing

汇总本站系统设计类文章，覆盖一致性哈希、序列化成本与系统语言实测等案例。

【大模型基础设施工程】12：PagedAttention 与 Continuous Batching

2026-04-22 | architecture · ai-infra | #llm #infra #vllm #pagedattention #continuous-batching #chunked-prefill #prefix-cache #radixattention #sglang

vLLM 的两大核心革新——Continuous Batching 让 GPU 打满、PagedAttention 让显存不再碎，推理吞吐量因此跃升一个数量级。本篇从操作系统类比到工程实操全盘拆解。

【金融科技工程】钱的建模：金额精度、币种、会计单位、多语言金额

2026-04-22 | architecture · fintech | #money #currency #iso4217 #decimal #fixed-point #precision #i18n #fx

在代码里正确地表示"一笔钱"远比看起来难。本文系统梳理金额的数值建模（浮点、定点、Decimal、最小单位）、币种标准（ISO 4217）、本地化显示、汇率换算与数据库存储，并给出 Go、Python、Java、Rust 的工程化示例。

【金融科技工程】复式记账工程化：科目、分录、余额、对账

2026-04-22 | architecture · fintech | #double-entry #ledger #accounting #journal #general-ledger #tigerbeetle #beancount

把 500 年历史的复式记账翻译成工程师可以落地的数据模型、SQL 表结构与余额计算策略，覆盖充值、下单、退款、分润、红包、多币种与冲销的真实场景，并对比 TigerBeetle、beancount、Ledger CLI、Square LedgerDB、Stripe Ledger 等开源与工业实现。

【金融科技工程】账务数据库设计：TiDB/OceanBase/Postgres 下的分片、索引、热点账户

2026-04-22 | architecture · fintech | #ledger-db #oceanbase #tidb #postgresql #sharding #hot-account #archive #tigerbeetle

账务（Ledger）数据库是金融系统最硬的那块骨头。本文从 RPO/RTO 目标出发，对比 PostgreSQL、MySQL、OceanBase、TiDB、CockroachDB、Oracle、TigerBeetle 等主流选型，讲分片维度、热点账户拆解、索引设计、冷热归档、MVCC 并发控制与审计合规，辅以蚂蚁、Stripe、PayPal、Square 的真实演进路径。

【金融科技工程】支付系统全景：收单、发卡、聚合、跨境、B2B、C2C

2026-04-22 | architecture · fintech | #payment #acquiring #issuing #card-scheme #unionpay #visa #mastercard #alipay #wechatpay #upi #pix #fednow

把模糊的"支付"一词拆成可工程化的系统分类——四方参与者、收单发卡双边、卡组织与钱包通道、中国与国际的费率结构、实时支付浪潮、以及一张完整的资金流图。

【金融科技工程】07 卡组织收单链路：银联/Visa/Mastercard、ISO 8583、ISO 20022 迁移

2026-04-22 | architecture · fintech | #iso8583 #iso20022 #card-payment #authorization #3ds #chargeback #emv #pci-dss #visa #mastercard #unionpay

一笔刷卡交易从 POS/网关到发卡行再到清算的全链路剖析：授权、认证（3DS）、清算、结算、争议与对账；ISO 8583 报文拆解、BIN/PAN/Token、EMV 3DS、PCI DSS 与 HSM；附 Python/Go 构造 0100 报文示例。

【金融科技工程】08：支付宝、微信支付接入：服务商模式、预授权、分账、退款、对账

2026-04-22 | architecture · fintech | #alipay #wechatpay #isv #profit-sharing #pre-auth #refund #reconciliation #apiv3 #rsa2

从工程师视角梳理支付宝开放平台与微信支付的商户接入路径、签名体系、预授权、分账、退款、对账单下载与三方对账，结合服务商模式下的二清合规边界与真实坑点。

【金融科技工程】11 清算 vs 结算 vs 资金归集：T+0/T+1、Netting、PvP/DvP

2026-04-22 | architecture · fintech | #clearing #settlement #netting #rtgs #dns #pvp #dvp #payout #cash-pooling #acquirer #cnaps-ibps

一文讲清 Clearing、Settlement、Cash Pooling 三个最易混淆的金融词汇的工程区分；从 RTGS/DNS 的选型、PvP/DvP 的风险消除机制，到商户清分引擎、T+1 批处理、二清合规边界，再到网联 IBPS、FedNow、PIX 的实时化浪潮。

【金融科技工程】央行支付系统：CNAPS、CIPS、Fedwire、TARGET2、SWIFT gpi

2026-04-22 | architecture · fintech | #cnaps #cips #netsunion #fedwire #fednow #target2 #sepa #swift #upi #pix #rtgs #iso20022

梳理世界主要经济体的央行大额与小额支付基础设施，覆盖中国 CNAPS/CIPS/网联、美国 Fedwire/FedNow、欧元区 T2/T2S/SEPA、以及 SWIFT、UPI、PIX，工程者如何接入与落地。

【金融科技工程】13 跨境支付工程：代理行、nostro/vostro、汇率锁定、对手方风险

2026-04-22 | architecture · fintech | #cross-border #correspondent-banking #swift-gpi #fx #nostro #wise #airwallex #stablecoin #mbridge #aml

从工程视角拆解跨境支付的参与方、资金流、汇率、合规与对账：代理行与 SWIFT MT103/gpi、Nostro/Vostro 账户、Wise/Airwallex 的"本地收本地付"、FX 点差与锁定、稳定币与 CBDC 跨境（mBridge）、中国出海商户的持牌链路、AML/制裁名单工程。

【金融科技工程】数字人民币、稳定币与 CBDC：双层运营、离线支付、链上/链下清算

2026-04-22 | architecture · fintech | #cbdc #e-cny #digital-yuan #stablecoin #usdc #usdt #mbridge #offline-payment #mica #two-tier

从工程视角拆解 CBDC、稳定币与数字人民币 e-CNY 的系统架构差异：双层运营、四类钱包、双离线支付、可控匿名；稳定币储备模型与跨链桥；mBridge、Project Agorá 跨境互联；以及商户接入 e-CNY 的落地清单。

【金融科技工程】行情分发：MBP/MBO、快照+增量、组播/TCP、FIX/ITCH

2026-04-22 | architecture · fintech | #market-data #fix #itch #sbe #multicast #kdb #clickhouse #colocation #websocket #tick-data

从 L1/L2/L3 分级、FIX FAST/ITCH/SBE 协议到 UDP 组播+重传通道、内核旁路与微波传输，系统梳理交易所行情系统的生产、分发与消费；给出 snapshot+incremental 恢复机制、Conflation 与 Full Tick 权衡、kdb+/ClickHouse/QuestDB tick 存储、事件时间回放与 K 线合成实现，并附 Binance WebSocket Diff Depth 维护本地订单簿的 Go/Python 示例。

【金融科技工程】证券登记结算：中证登、DTCC、Euroclear、T+1、DvP

2026-04-22 | architecture · fintech | #csd #ccp #settlement #dvp #netting #t+1 #dtcc #chinaclear #lch #tokenized-securities #dlt

从交易所撮合成交到资金与证券最终易手的"最后一公里"——CSD 登记托管、CCP 中央对手方、结算系统、DvP 三种 BIS 模型、净额结算、保证金瀑布、T+1 切换与 DLT 证券结算的工程视角。

【金融科技工程】十九：实时风控引擎——规则、特征、模型、决策流与 Flink/Spark

2026-04-22 | architecture · fintech | #risk #risk-engine #rule-engine #feature-platform #flink #graph #alpharisk #stripe-radar #real-time

系统拆解支付与交易场景下的实时风控引擎：三层防线、规则引擎（Drools/Aviator/CEL）、特征平台、画像、图风控、ML 打分、决策编排与 Champion-Challenger，辅以 Go 代码与分层架构 SVG。

【金融科技工程】反欺诈：设备指纹、关系图谱、行为序列、黑产对抗

2026-04-22 | architecture · fintech | #fraud #anti-fraud #graph #gnn #xgboost #pagerank #device-fingerprint #account-takeover

系统梳理反欺诈工程：欺诈类型、特征工程、模型演进（规则到 GNN）、类别不平衡、图风控、实时决策、对抗性与可解释性，附 Python + NetworkX + LightGBM 简化团伙识别与欺诈评分示例。

【金融科技工程】信用风险与授信决策：评分卡、A/B/C 卡、BNPL 与公平借贷

2026-04-22 | architecture · fintech | #credit-risk #fico #scorecard #lightgbm #woe #bnpl #abs #pboc-credit #fair-lending

从申请授信到贷后催收，系统梳理消费金融、信用卡、先买后付（BNPL）的信用风险工程全链路；覆盖 FICO、VantageScore、央行征信二代、芝麻信用等评分体系，逻辑回归 + WOE/IV 与 LightGBM A 卡建模，PD/LGD/EAD 风险定价，Klarna/Affirm/花呗分期 BNPL 架构，以及 CFPB、个保法、24%/36% 利率红线下的合规边界。

【金融科技工程】金融级可靠性：两地三中心、单元化、RPO/RTO、灰度

2026-04-22 | architecture · fintech | #reliability #dr #multi-active #unitization #oceanbase #chaos-engineering #two-region-three-dc #ldc

金融系统的可用性不是 SLA 表里的一个数字，而是人民银行、银保监、GB/T 20988 六级灾备、SOX、FFIEC 这些监管框架共同压出来的工程形态。本文从 RTO/RPO 的定义出发，走过单机→主备→同城双活→两地三中心→三地五中心→单元化（LDC/Set）的架构演进，拆解异地多活的数据同步、冲突处理与流量调度，配套混沌工程、全链路压测、应急预案与复盘文化，最后用 Go 写一个可运行的多活流量切换骨架。结合光大 8·16 乌龙指、2021 AWS us-east-1 故障、2020 工行手机银行故障、蚂蚁春节红包等公开案例展开。