稳定性与可靠性系列

熔断、限流、容灾、幂等——生产环境不挂机的工程防线

系列导读

性能优化让系统跑得快，稳定性工程让系统不挂机。本系列从 SLA/SLO/SLI 度量体系出发，覆盖熔断降级、限流策略、容灾多活、故障演练、幂等重试、分布式锁、容量规划等核心课题。

学习路径建议：

度量体系              防御手段              实战验证
┌────────────┐    ┌──────────────┐    ┌──────────────┐
│ 01.全景图   │───>│ 02.熔断降级    │───>│ 05.故障演练    │
│ 08.容量规划  │    │ 03.限流策略    │    │ 06.幂等与重试   │
└────────────┘    │ 04.容灾多活    │    │ 07.分布式锁     │
                  └──────────────┘    └──────────────┘

文档目录

编号	文档	核心内容	难度
01	稳定性全景图概述	SLA/SLO/SLI、稳定性四维度、度量体系建设	⭐⭐
02	熔断降级设计实战	熔断器状态机、Hystrix/Sentinel 原理、半开探测	⭐⭐⭐
03	限流策略设计实战	令牌桶/漏桶/滑动窗口、Nginx/网关层落地	⭐⭐⭐
04	容灾与多活设计	同城双活/异地多活、数据同步、流量切换	⭐⭐⭐⭐
05	故障演练实战指南	混沌工程、故障注入、红蓝对抗、GameDay	⭐⭐⭐
06	幂等与重试机制	幂等键设计、消息重试策略、死信队列	⭐⭐⭐
07	分布式锁深度剖析	Redlock/etcd/Zookeeper、锁安全与性能对比	⭐⭐⭐
08	容量规划方法论	压测模型、水位线评估、弹性伸缩策略	⭐⭐⭐

学习方法

延续疑惑→分析→论证→结论范式：

1. 疑惑：从线上故障切入（服务雪崩、流量尖刺、数据不一致）
2. 分析：拆解故障根因，定位是架构问题还是容量问题
3. 论证：对比多种方案的成本、收益、副作用
4. 结论：形成可落地的防御体系 Checklist