<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
	<channel>
		<title>System Design on Bill.Lin&#39;s Notes</title>
		<link>https://xinqilin.github.io/tags/system-design/</link>
		<description>Recent content in System Design on Bill.Lin&#39;s Notes</description>
		<generator>Hugo</generator>
		<language>zh-tw</language>
		
		
		
		
			<lastBuildDate>Sun, 22 Nov 2026 00:00:00 +0800</lastBuildDate>
		
			<atom:link href="https://xinqilin.github.io/tags/system-design/index.xml" rel="self" type="application/rss+xml" />
			<item>
				<title>B-Tree vs LSM-Tree：原地更新與只追加，寫入、讀取與空間放大的取捨</title>
				<link>https://xinqilin.github.io/post/systemdesign/btree-vs-lsm/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/btree-vs-lsm/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-3｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/index-btree/&#34;&gt;Index 與 B+Tree&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/transaction-isolation/&#34;&gt;交易與隔離等級&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sql-vs-nosql/&#34;&gt;SQL vs NoSQL 篇&lt;/a&gt;把商品瀏覽紀錄放在 MySQL 分區表：每天 1 億筆、尖峰每秒約 5,800 筆，單機應付得來。當時也留了一句話：量成長 10 倍時要換方案。&lt;/p&gt;&#xA;&lt;p&gt;現在 App 改版加入「為你推薦」，瀏覽事件成長到每天 10 億筆、尖峰每秒 6 萬筆。每筆仍然約 60 bytes：&lt;/p&gt;&#xA;&lt;details&gt;&#xA;&lt;summary&gt;計算程式（&lt;code&gt;java WriteNapkin.java&lt;/code&gt;）&lt;/summary&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt; 1&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 2&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 3&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 4&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 5&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 6&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 7&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 8&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 9&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;10&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;11&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;12&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;13&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;14&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;15&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;16&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-java&#34; data-lang=&#34;java&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;class&lt;/span&gt; &lt;span class=&#34;nc&#34;&gt;WriteNapkin&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;static&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;main&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;String&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[]&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;args&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;perDay&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1_000_000_000L&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;            &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 成長 10 倍後每天 10 億筆&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;peak&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;60_000&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;                      &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 尖峰每秒筆數&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;int&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rowBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;60&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;int&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;pageBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;16&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1024&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;System&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;out&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;printf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;每天資料量：%,.0f GB；保留 90 天：%,.1f TB%n&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;                &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;perDay&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rowBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1e9&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;perDay&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rowBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;90&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1e12&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;System&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;out&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;printf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;尖峰的原始資料：%,.1f MB/s%n&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;peak&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rowBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1e6&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;System&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;out&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;printf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;B+Tree 最壞情況（每筆落在不同頁面）：每秒 %,d 次隨機讀頁 + %,.0f MB/s 寫頁（未計 doublewrite）%n&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;                &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;peak&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;peak&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;pageBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1e6&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;for&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;int&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;amp&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;:&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;new&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;int&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[]&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;10&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;30&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;})&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;            &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;System&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;out&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;printf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;LSM 寫入放大 %d 倍：%,.0f MB/s，幾乎全是循序寫入%n&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;amp&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;peak&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rowBytes&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;amp&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1e6&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;/details&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt;1&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;2&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;3&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;4&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;5&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-text&#34; data-lang=&#34;text&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;每天資料量：60 GB；保留 90 天：5.4 TB&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;尖峰的原始資料：3.6 MB/s&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;B+Tree 最壞情況（每筆落在不同頁面）：每秒 60,000 次隨機讀頁 + 983 MB/s 寫頁（未計 doublewrite）&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;LSM 寫入放大 10 倍：36 MB/s，幾乎全是循序寫入&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;LSM 寫入放大 30 倍：108 MB/s，幾乎全是循序寫入&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;p&gt;原始資料只有每秒 3.6 MB，問題出在 B+Tree 的寫入方式。這張表的主鍵是 &lt;code&gt;(member_id, viewed_at, product_id)&lt;/code&gt;，同一秒的 6 萬筆分散在數十萬位會員各自的頁面上。頁面不在 buffer pool 時，每一筆都要先讀進一個 16 KB 的頁面、改幾十 bytes，之後再整頁寫回。buffer pool 會把同一頁的多次修改合併，實際不會這麼糟；但資料長到 TB 級、熱頁面裝不進記憶體後，就會越來越接近這個最壞情況。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Bloom Filter 與 HyperLogLog：用一點誤差換大量記憶體，以及估計值被刻意操縱時怎麼辦</title>
				<link>https://xinqilin.github.io/post/systemdesign/bloom-filter-hyperloglog/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/bloom-filter-hyperloglog/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-6｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/object-storage/&#34;&gt;檔案與物件儲存&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/full-text-search/&#34;&gt;全文搜尋與倒排索引&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;平台上有兩個看似無關的需求：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;快取穿透&lt;/strong&gt;：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/caching/&#34;&gt;Cache 篇&lt;/a&gt;提過，有人用大量不存在的商品 ID 打 &lt;code&gt;/products/{id}&lt;/code&gt;，快取永遠 miss，每次都打到資料庫。快取空結果能擋住重複的 ID，但攻擊者可以產生無限多種 ID，空結果反而把快取塞滿&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;不重複訪客數（UV）&lt;/strong&gt;：行銷要每場講座每天的不重複訪客，以及任意區間（例如整週）的不重複訪客。未登入的訪客用 cookie 裡的 visitor ID 識別&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;精確的做法是把元素存起來：一個 &lt;code&gt;Set&lt;/code&gt; 記錄所有商品 ID，一個 Redis &lt;code&gt;SET&lt;/code&gt; 記錄每場講座每天的訪客。以每個成員約 60 bytes 粗估，一場熱門講座一天 50 萬名訪客就是 30 MB，一年 365 個 key 約 11 GB，而且這只是一場講座。要算整週的不重複訪客，還得把 7 個集合做聯集。&lt;/p&gt;&#xA;&lt;p&gt;兩個需求有個共同點：&lt;strong&gt;要的只是「在不在」或「有幾個」，不需要元素本身&lt;/strong&gt;。只要能接受一點誤差，記憶體可以省下好幾個數量級。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;做法&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;問題&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;HashSet&lt;/code&gt; 或 Redis &lt;code&gt;SET&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;記憶體和元素數量成正比&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;資料庫 &lt;code&gt;COUNT(DISTINCT visitor_id)&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;每次都要掃描所有事件；&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/btree-vs-lsm/&#34;&gt;B-Tree vs LSM 篇&lt;/a&gt;的瀏覽紀錄一天就有 10 億筆&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;快取空結果&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;能擋住重複的不存在 ID，擋不住每次都不一樣的 ID&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;bloom-filter一定不在或可能在&#34;&gt;Bloom filter：「一定不在」或「可能在」&lt;/h3&gt;&#xA;&lt;p&gt;Bloom filter 是一個 m 個 bit 的陣列，加上 k 個雜湊函式：&lt;/p&gt;</description>
			</item>
			<item>
				<title>Cache 深入：命中率的數學、寫入順序的競態、穿透擊穿雪崩與多層快取</title>
				<link>https://xinqilin.github.io/post/systemdesign/caching/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/caching/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 2-3｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/load-balancing/&#34;&gt;Load Balancing 深入&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/cdn/&#34;&gt;CDN 與 HTTP 快取&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;商品詳情 API 在大促時有每秒 10,000 個請求，讀寫比大約 200:1。MySQL 主庫的 p99 從 20 ms 漲到 400 ms，你在前面加了一層 Redis：先查快取，查不到再查資料庫並寫回快取。資料庫的 QPS 立刻從 10,000 掉到 1,000，問題看似解決了。接下來幾週陸續發生：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;營運改了價格，部分使用者看到舊價格長達 30 分鐘&lt;/li&gt;&#xA;&lt;li&gt;最熱門的商品 key 過期的那一瞬間，3,000 個請求同時打到資料庫&lt;/li&gt;&#xA;&lt;li&gt;爬蟲用不存在的商品 ID 掃描，每個請求都查不到快取、直接打資料庫&lt;/li&gt;&#xA;&lt;li&gt;凌晨批次預熱的 20 萬個 key 在同一時間過期，資料庫被打掛；某次 Redis 重啟，情況更糟&lt;/li&gt;&#xA;&lt;li&gt;訂單查詢也比照辦理加了快取，結果使用者 A 看得到使用者 B 的訂單&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;快取讓讀取變快，代價是系統裡多了&lt;strong&gt;第二份資料&lt;/strong&gt;。兩份資料之間的一致性、什麼時候失效、裝不下時丟掉誰、快取本身掛掉時會怎樣，全部都要設計。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最簡單的快取是放在應用程式記憶體裡的 &lt;code&gt;Map&lt;/code&gt; 或 Caffeine，存取只要幾十奈秒，沒有網路成本。極限有三個：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;每台各存一份&lt;/strong&gt;：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;無狀態服務&lt;/a&gt;有 10 台，同一筆資料就有 10 份，更新時要通知每一台&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;容量受限於 JVM heap&lt;/strong&gt;：放太多會拉長 GC 停頓&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;重啟就清空&lt;/strong&gt;：部署後每台都要重新暖機&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;集中式快取（Redis）解決了這三點，代價是每次存取多一趟網路（同機房約 0.2–1 ms）、序列化成本，以及一個新的故障點。&lt;/p&gt;</description>
			</item>
			<item>
				<title>CAP 與 PACELC：斷線時選一致還是可用，沒斷線時選延遲還是一致</title>
				<link>https://xinqilin.github.io/post/systemdesign/cap-pacelc/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/cap-pacelc/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-5｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/distributed-id/&#34;&gt;分散式 ID&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/consensus-raft/&#34;&gt;共識與 Raft&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台拓展到日本，在東京開了第二個機房，資料在台北與東京之間複製。日本的使用者讀取變快了，台北機房整個故障時也還有東京可以接手。但團隊馬上遇到兩個問題：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;台北與東京之間的網路斷了&lt;/strong&gt;（光纖被挖斷、跨國線路壅塞），兩邊都還活著，只是彼此聯絡不上。這時東京的使用者報名同一個座位、修改個人簡介、回報觀看進度，系統要怎麼反應？&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;網路正常的時候&lt;/strong&gt;，每次寫入要不要等另一個機房確認？等的話，每次寫入多 30 毫秒；不等的話，另一個機房可能讀到舊資料&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最常聽到的說法是「CAP 三選二：一致性、可用性、分割容忍，只能選兩個」，然後把資料庫分成 CA、CP、AP 三類。這個說法有兩個問題：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;分割不是可以選擇不要的東西&lt;/strong&gt;：只要資料放在兩台以上透過網路連接的機器上，網路就可能斷。真正的選擇只在&lt;strong&gt;發生分割的時候&lt;/strong&gt;才出現：要一致，還是要可用&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;沒有分割的時候也有取捨&lt;/strong&gt;：而且這個取捨每一個請求都要面對，就是上面的第 2 個問題。CAP 完全沒有談到它&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;cap-實際上說的是什麼&#34;&gt;CAP 實際上說的是什麼&lt;/h3&gt;&#xA;&lt;p&gt;CAP 定理（Gilbert 與 Lynch 在 2002 年證明）裡的三個詞有很精確的定義：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;C（一致性）&lt;strong&gt;指的是&lt;/strong&gt;線性一致&lt;/strong&gt;（linearizability）：所有操作看起來像是在某個時間點瞬間完成，而且一旦某次寫入完成，之後開始的任何讀取都會看到它或更新的值&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;A（可用性）&lt;/strong&gt;：每一個沒有故障的節點收到請求，最終都要回覆一個非錯誤的結果&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;P（分割容忍）&lt;/strong&gt;：節點之間的訊息可能遺失任意多個&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;證明很直觀：&lt;/p&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;sequenceDiagram&#xA;    participant U1 as 台北的使用者&#xA;    participant T as 台北節點&#xA;    participant J as 東京節點&#xA;    participant U2 as 東京的使用者&#xA;    Note over T,J: 網路斷線&#xA;    U1-&gt;&gt;T: 座位 12 給會員 A&#xA;    T--&gt;&gt;U1: 成功&#xA;    U2-&gt;&gt;J: 座位 12 還空著嗎？&#xA;    Note over J: 聯絡不上台北，只有兩個選擇&#xA;    J--&gt;&gt;U2: 回覆「空著」（舊資料，放棄 C）&#xA;    J--xU2: 拒絕或一直等（放棄 A）&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;東京節點不知道台北發生了什麼，它只能回覆可能過時的資料，或者不回覆。&lt;/p&gt;</description>
			</item>
			<item>
				<title>CDN 與 HTTP 快取：Cache-Control、版本化資源、邊緣快取與快取攻擊</title>
				<link>https://xinqilin.github.io/post/systemdesign/cdn/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/cdn/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 2-4｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/caching/&#34;&gt;Cache 深入&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sql-vs-nosql/&#34;&gt;SQL vs NoSQL&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;電商網站的 origin 在台灣，開始做海外市場後，陸續收到這些回報：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;美西使用者打開首頁要 3 秒以上，台灣只要 0.8 秒&lt;/li&gt;&#xA;&lt;li&gt;大促期間，&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/napkin-math/&#34;&gt;Napkin Math&lt;/a&gt; 估出的尖峰圖片頻寬 2.4 Gbps 真的出現了，origin 的網路卡和雲端流量費一起爆表&lt;/li&gt;&#xA;&lt;li&gt;每次部署後，總有一小群使用者看到白畫面，主控台顯示 JavaScript 載入失敗&lt;/li&gt;&#xA;&lt;li&gt;最嚴重的一次：為了降低 origin 負載，把 &lt;code&gt;/api/**&lt;/code&gt; 都設成可快取，結果使用者 A 打開「我的訂單」，看到的是使用者 B 的訂單&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;前兩個是&lt;strong&gt;距離和頻寬&lt;/strong&gt;的問題，CDN 正是為此而生。後兩個是&lt;strong&gt;快取語意&lt;/strong&gt;的問題：哪些東西可以被誰快取、快取多久、怎麼更新。這篇兩者都談。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最簡單的做法是讓 origin 直接提供所有檔案，再用 &lt;code&gt;Cache-Control&lt;/code&gt; 讓瀏覽器快取。極限在於：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;距離無法被優化掉&lt;/strong&gt;：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/request-lifecycle/&#34;&gt;Part 1&lt;/a&gt; 算過，台北到美西的 RTT 約 130–160 ms。TCP、TLS 握手和第一個請求至少要 3 個 RTT，第一個 byte 就要將近 0.5 秒&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;每個使用者第一次造訪都要從 origin 拿&lt;/strong&gt;：瀏覽器快取只對「同一個使用者的第二次造訪」有效，大促湧入的新使用者全部打到 origin&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;頻寬集中在一個點&lt;/strong&gt;：2.4 Gbps 全部從 origin 送出，再加上 DDoS 時的攻擊流量，單一機房很難扛&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;cdn-怎麼運作&#34;&gt;CDN 怎麼運作&lt;/h3&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;flowchart LR&#xA;    U1[美西使用者] --&gt; E1[&#34;邊緣節點（洛杉磯）&#34;]&#xA;    U2[東京使用者] --&gt; E2[&#34;邊緣節點（東京）&#34;]&#xA;    U3[台灣使用者] --&gt; E3[&#34;邊緣節點（台北）&#34;]&#xA;    E1 -- miss --&gt; S[&#34;Origin Shield&lt;br/&gt;（區域快取層）&#34;]&#xA;    E2 -- miss --&gt; S&#xA;    E3 -- miss --&gt; S&#xA;    S -- miss --&gt; O[(Origin&lt;br/&gt;台灣)]&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;導向最近的節點&lt;/strong&gt;：透過 DNS 或 Anycast，讓使用者連到地理上最近的邊緣節點（PoP）&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;邊緣快取&lt;/strong&gt;：命中就直接回應，完全不經過 origin&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;Origin Shield&lt;/strong&gt;：所有邊緣節點 miss 時，先問同一個區域快取層，而不是各自打 origin。沒有這一層時，一個新檔案上線，全球幾百個節點各自 miss，origin 會收到幾百個請求&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;請求合併（request collapsing）&lt;/strong&gt;：同一個檔案同時有很多請求 miss 時，節點只送一個請求給上游，其他請求等它的結果。這就是 &lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/caching/&#34;&gt;Cache 篇&lt;/a&gt;的 single-flight，只是發生在 CDN&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;&lt;strong&gt;頻寬的帳&lt;/strong&gt;：假設以 byte 計算的命中率是 95%，2.4 Gbps 的圖片流量只剩 2.4 × 5% = 120 Mbps 會打到 origin。和 Cache 篇一樣，要看的是&lt;strong&gt;未命中率&lt;/strong&gt;：命中率從 95% 提升到 99%，origin 頻寬再降 5 倍。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Circuit Breaker 與 Bulkhead：讓一個壞掉的下游不會拖垮整個系統</title>
				<link>https://xinqilin.github.io/post/systemdesign/circuit-breaker-bulkhead/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/circuit-breaker-bulkhead/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 6-3｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/&#34;&gt;Timeout、Retry、Backoff 與 Jitter&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rate-limiting/&#34;&gt;Rate Limiting&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/&#34;&gt;上一篇&lt;/a&gt;替金流呼叫加上了 1 秒的逾時、有預算的重試。金流服務再次故障時，報名服務不再卡死了，但還有兩個問題：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;每個請求都要等滿 1 秒才失敗&lt;/strong&gt;。金流已經壞了 5 分鐘，報名服務仍然對每一個請求送出呼叫、等 1 秒、得到逾時。使用者每次都等 1 秒才看到錯誤，金流服務也持續收到請求，沒有喘息的機會&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;慢的金流拖累了不相關的功能&lt;/strong&gt;。平常金流回應 50 毫秒，每秒 200 個報名請求，同時在等待金流的請求大約 200 × 0.05 = 10 個（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/latency-throughput/&#34;&gt;Little&amp;rsquo;s Law&lt;/a&gt;）。金流變慢到 1 秒逾時，同時在等待的請求變成 200 個。它們佔住了執行緒、連到下游的連線、記憶體，查詢講座、登入這些完全不需要金流的功能也跟著變慢&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;第一個問題由 &lt;strong&gt;circuit breaker&lt;/strong&gt;（斷路器）解決：下游已知故障時，不要再呼叫它，直接失敗。第二個問題由 &lt;strong&gt;bulkhead&lt;/strong&gt;（艙壁）解決：每個下游只能用掉有限的資源，一個下游出事，不會淹沒整艘船。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;手動開關&lt;/strong&gt;：金流故障時，工程師改設定關掉付款功能。反應要幾分鐘，而且要有人在半夜被叫起來；恢復時也要記得打開&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;加大執行緒池或改用虛擬執行緒&lt;/strong&gt;：虛擬執行緒讓「執行緒不夠」不再是瓶頸，但瓶頸只是往下移：200 個同時等待的請求仍然佔著連線、記憶體與上游的耐心。沒有上限的並行，等於把所有資源都押在最慢的那個下游上&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;circuit-breaker-的三個狀態&#34;&gt;Circuit breaker 的三個狀態&lt;/h3&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;stateDiagram-v2&#xA;    [*] --&gt; Closed&#xA;    Closed --&gt; Open: 失敗率或慢呼叫比例超過門檻&#xA;    Open --&gt; HalfOpen: 等待一段時間&#xA;    HalfOpen --&gt; Closed: 試探的呼叫大多成功&#xA;    HalfOpen --&gt; Open: 試探的呼叫仍然失敗&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;Closed&lt;/strong&gt;（關閉，電流通過）：正常呼叫，同時統計最近一段時間的結果&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;Open&lt;/strong&gt;（打開，電流切斷）：失敗率超過門檻，之後的呼叫&lt;strong&gt;不送出&lt;/strong&gt;，直接拋出例外。失敗只要幾微秒，而不是等 1 秒逾時&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;Half-open&lt;/strong&gt;（半開）：等待一段時間後，放少量的呼叫過去試探。成功就回到 closed，失敗就再打開&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;斷路器同時保護兩邊：呼叫端不再浪費資源等待注定失敗的呼叫；下游少了大量請求，才有機會恢復。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Consistent Hashing：增減節點只搬 1/N、虛擬節點與 rendezvous hashing，以及被刻意挑選的 key</title>
				<link>https://xinqilin.github.io/post/systemdesign/consistent-hashing/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/consistent-hashing/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-3｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sharding/&#34;&gt;Sharding&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/distributed-id/&#34;&gt;分散式 ID&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座詳情頁的快取放在 10 台獨立的 Redis 上（不是 Redis Cluster），應用程式用 &lt;code&gt;hash(key) % 10&lt;/code&gt; 決定每個 key 放在哪一台。尖峰每秒 5 萬次讀取，命中率 98%，資料庫只承受每秒 1,000 次查詢。&lt;/p&gt;&#xA;&lt;p&gt;某天其中一台故障，運維把它從清單移除，公式變成 &lt;code&gt;hash(key) % 9&lt;/code&gt;。接下來的幾秒內，資料庫的查詢量衝到每秒 4 萬次以上，接著整個倒下。&lt;/p&gt;&#xA;&lt;p&gt;另一個場景：平台有 1,000 個企業租戶，每個租戶每 10 分鐘要跑一次報表彙整。應用程式有 3 台 instance，要讓每個租戶只由一台負責，而且 instance 增減時，盡量不要改變已經分配好的租戶。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;&lt;code&gt;hash(key) % N&lt;/code&gt; 的分布很平均，問題在 N 改變的時候。key 的雜湊值除以 10 和除以 9 的餘數，大部分都不相同，&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sharding/&#34;&gt;Sharding 篇&lt;/a&gt;的實測中，16 台改成 17 台要搬 94% 的資料。對快取來說，「搬移」就是 cache miss：一台故障，90% 的 key 同時失效，這正是 &lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/caching/&#34;&gt;Cache 篇&lt;/a&gt;的雪崩。&lt;/p&gt;&#xA;&lt;p&gt;我們要的是：&lt;strong&gt;加入或移除一個節點時，只有 1/N 的 key 需要換節點&lt;/strong&gt;。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Geohash 與地理索引：附近搜尋的格子邊界、Redis GEO，以及距離如何洩漏位置</title>
				<link>https://xinqilin.github.io/post/systemdesign/geohash/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/geohash/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-8｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/full-text-search/&#34;&gt;全文搜尋與倒排索引&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/replication-lag/&#34;&gt;Replication 與 Replication Lag&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台開始辦實體講座，全台有 10 萬個合作場地（教室、共享空間、書店）。App 要新增「附近的實體講座」：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;以使用者目前的位置為圓心，列出 3 公里內的場地，由近到遠排序&lt;/li&gt;&#xA;&lt;li&gt;尖峰每秒 2,000 次查詢&lt;/li&gt;&#xA;&lt;li&gt;下一階段要做「附近的同好」，讓願意公開位置的學員找到彼此&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;經緯度存成兩個 &lt;code&gt;DOUBLE&lt;/code&gt; 欄位，查詢時對每個場地算一次距離，留下 3 公里內的。每次查詢要算 10 萬次距離，尖峰每秒 2 億次。&lt;/p&gt;&#xA;&lt;p&gt;加索引也幫不上太多忙。B+Tree 是一維的：在 &lt;code&gt;(latitude, longitude)&lt;/code&gt; 的複合索引上，緯度用了範圍條件，經度就不能再縮小掃描範圍（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/index-btree/&#34;&gt;Index 篇&lt;/a&gt;的最左前綴原則）。索引只能把範圍縮小到一條橫跨東西的「緯度帶」，下面的實測中，緯度帶裡有 1,500 多筆，真正在圓內的只有 43 筆。&lt;/p&gt;&#xA;&lt;p&gt;問題的本質是：&lt;strong&gt;要把二維的位置，變成一維的索引能處理的形式&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;geohash把座標變成一個字串&#34;&gt;Geohash：把座標變成一個字串&lt;/h3&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;把經度的範圍 [-180, 180] 對半切，座標落在右半就記 1、左半記 0，再對落進去的那一半繼續切&lt;/li&gt;&#xA;&lt;li&gt;緯度的範圍 [-90, 90] 用同樣的方式切&lt;/li&gt;&#xA;&lt;li&gt;把經度與緯度的 bit 交錯排列（第 1、3、5… 個 bit 是經度，第 2、4、6… 個是緯度）&lt;/li&gt;&#xA;&lt;li&gt;每 5 個 bit 換成一個 base32 字元&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;每多一個字元，格子就再切成 32 份。最重要的性質是：&lt;strong&gt;前綴相同，就落在同一個格子裡&lt;/strong&gt;。台北 101 的 geohash 是 &lt;code&gt;wsqqqm29d&lt;/code&gt;，它在 &lt;code&gt;wsqqq&lt;/code&gt; 這個格子裡，也在更大的 &lt;code&gt;wsqq&lt;/code&gt; 格子裡。所以「找出 &lt;code&gt;wsqqq&lt;/code&gt; 格子裡的場地」就是 &lt;code&gt;geohash LIKE &#39;wsqqq%&#39;&lt;/code&gt;，一般的 B+Tree 索引就能做。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Index 與 B&#43;Tree：從磁碟頁面到複合索引、索引失效與 keyset 分頁</title>
				<link>https://xinqilin.github.io/post/systemdesign/index-btree/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/index-btree/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-2｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sql-vs-nosql/&#34;&gt;SQL vs NoSQL&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/btree-vs-lsm/&#34;&gt;B-Tree vs LSM-Tree&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;會員中心的「我的訂單」API 背後是一張 5,000 萬筆的 &lt;code&gt;purchase_order&lt;/code&gt; 表，每列約 200 bytes，資料本身約 10 GB。上線後陸續出現：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;查某位會員最近 20 筆訂單要 8 秒&lt;/li&gt;&#xA;&lt;li&gt;加了 &lt;code&gt;member_id&lt;/code&gt; 的索引後變快了，但「某位會員已付款的訂單，依時間排序」還是慢&lt;/li&gt;&#xA;&lt;li&gt;後台的 &lt;code&gt;WHERE DATE(created_at) = &#39;2026-11-11&#39;&lt;/code&gt; 不管怎麼加索引都沒用&lt;/li&gt;&#xA;&lt;li&gt;客服用手機號碼查會員，&lt;code&gt;WHERE phone = 0912345678&lt;/code&gt; 每次都掃整張表&lt;/li&gt;&#xA;&lt;li&gt;為了加速，有人一口氣加了 12 個索引，結果大促時寫入變慢、replica 延遲飆高&lt;/li&gt;&#xA;&lt;li&gt;第 5,000 頁的分頁要 3 秒&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;六個問題都和索引有關，但原因各不相同。要能判斷，得先知道索引在磁碟上長什麼樣子。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;沒有索引時，資料庫只能&lt;strong&gt;全表掃描&lt;/strong&gt;：讀完 5,000 萬列，逐一檢查條件。成本和資料量成正比，資料多 10 倍就慢 10 倍；同時有 10 個這種查詢，就是 10 倍的 I/O。&lt;/p&gt;&#xA;&lt;p&gt;資料若依某個欄位排好序，就能用二分搜尋：log₂(5,000 萬) ≈ 26 次比較。但排序好的陣列插入很貴，而且只能依一種順序排。改用二元搜尋樹可以兼顧插入，但樹高約 26 層，如果每一層都在磁碟上的不同位置，一次查詢就是 26 次隨機讀取。磁碟（就算是 SSD）的隨機讀取比記憶體慢上百倍以上，26 次太多了。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Latency、Throughput 與 p99：別再看平均值，用 Little&#39;s Law 算出執行緒與連線池</title>
				<link>https://xinqilin.github.io/post/systemdesign/latency-throughput/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/latency-throughput/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 1-2｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/request-lifecycle/&#34;&gt;一個 HTTP Request 的旅程&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/napkin-math/&#34;&gt;Napkin Math 容量估算&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;壓測報告寫著「平均回應 60 ms，可撐 400 RPS」，大家都很放心。上線後卻陸續有人回報「偶爾會卡好幾秒」。同一週，資料庫因為一個慢查詢變慢，整個服務接著全部逾時，有人提議：「把 Tomcat thread 從 200 調到 1,000，再把連線池加大，就能撐住了。」&lt;/p&gt;&#xA;&lt;p&gt;這兩件事背後是同一組觀念：&lt;strong&gt;latency 要看分佈而不是平均、throughput 和 latency 透過排隊互相影響&lt;/strong&gt;。搞懂這些，才知道為什麼加大 thread 數通常沒有用。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的指標與它的盲點&#34;&gt;最簡單的指標與它的盲點&lt;/h2&gt;&#xA;&lt;p&gt;最常見的報表只有兩個數字：平均回應時間和 QPS。平均值的問題用一個例子就看得出來：1,000 個請求裡，980 個花 20 ms，20 個因為 GC 或鎖等待卡了 2 秒。&lt;/p&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt; 1&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 2&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 3&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 4&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 5&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 6&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 7&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 8&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 9&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;10&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;11&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;12&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;13&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;14&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;15&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;16&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;17&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;18&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;19&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;20&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;21&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;22&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;23&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;24&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;25&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;26&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;27&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-java&#34; data-lang=&#34;java&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kn&#34;&gt;import&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nn&#34;&gt;java.util.Arrays&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;class&lt;/span&gt; &lt;span class=&#34;nc&#34;&gt;PercentileDemo&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;static&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;main&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;String&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[]&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;args&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[]&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;latenciesMs&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;new&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1_000&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;]&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Arrays&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;fill&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;latenciesMs&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;0&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;980&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;20&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 98% 的請求 20 ms&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Arrays&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;fill&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;latenciesMs&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;980&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1_000&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;2_000&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 2% 卡在 2 秒（GC、鎖等待、重試……）&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Arrays&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;sort&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;latenciesMs&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;avg&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Arrays&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;stream&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;latenciesMs&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;).&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;average&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;().&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;orElseThrow&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;();&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;System&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;out&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;printf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;avg   = %.1f ms%n&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;avg&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;for&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;:&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;new&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[]&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;50&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;95&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;98&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;99&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;99&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;9&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;})&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;            &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;System&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;out&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;printf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;p%-4s = %d ms%n&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;trim&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;),&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;percentile&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;latenciesMs&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;));&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// nearest-rank：排序後取第 ceil(p/100 * n) 個樣本&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;static&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;percentile&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[]&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;sorted&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;int&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rank&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;int&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Math&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;ceil&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;100&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;0&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;*&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;sorted&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;length&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;return&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;sorted&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;[&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Math&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;max&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rank&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;1&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;]&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;static&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;String&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;trim&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;double&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;return&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;==&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Math&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;floor&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;?&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;String&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;valueOf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;((&lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;long&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;:&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;String&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;valueOf&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;p&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;p&gt;執行結果：&lt;/p&gt;</description>
			</item>
			<item>
				<title>Load Balancing 深入：L4 與 L7、演算法、健康檢查與連線排空</title>
				<link>https://xinqilin.github.io/post/systemdesign/load-balancing/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/load-balancing/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 2-2｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;垂直擴展、水平擴展與無狀態服務&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/caching/&#34;&gt;Cache 深入&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;服務已經做到無狀態，前面放了 Load Balancer，後面十台 instance。某天發生了三件事：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;其中一台因為鄰居搶 CPU，處理時間從 10 ms 變成 100 ms。它沒有掛，health check 照樣回 200，Load Balancer 繼續把十分之一的流量送給它，&lt;strong&gt;那十分之一的使用者一直逾時&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;li&gt;每次部署，監控上都固定出現一小段 502&lt;/li&gt;&#xA;&lt;li&gt;資料庫抖了 3 秒。因為 health check 有檢查資料庫，十台 instance 同時被判定為不健康，&lt;strong&gt;全站停擺的時間遠比資料庫抖動的 3 秒還長&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;這三件事分別對應 Load Balancer 的三個核心問題：&lt;strong&gt;怎麼分配、怎麼判斷健康、怎麼上下線&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限dns-round-robin&#34;&gt;最簡單的做法與它的極限：DNS Round Robin&lt;/h2&gt;&#xA;&lt;p&gt;最簡單的負載平衡是在 DNS 放多筆 A record，讓 client 自己挑一個 IP。它的問題是：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;沒有健康檢查&lt;/strong&gt;：一台掛了，DNS 還是會把它的 IP 發出去&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;移除不即時&lt;/strong&gt;：client、resolver、JVM 都會快取 DNS 結果，改了 DNS 要等 TTL 過期才會生效&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;分配粒度太粗&lt;/strong&gt;：client 拿到 IP 後，後續所有請求都打同一台&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;DNS 適合做「把使用者導到最近的機房」這種粗粒度的分配（GeoDNS），機房內部的分配還是要交給真正的 Load Balancer。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Message Queue：解耦、削峰與重試，以及訊息一定會重複這件事</title>
				<link>https://xinqilin.github.io/post/systemdesign/message-queue/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/message-queue/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 5-2｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rest-grpc-graphql/&#34;&gt;REST、gRPC 與 GraphQL&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/pubsub-delivery-semantics/&#34;&gt;Pub/Sub 與投遞語意&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;報名成功之後，系統還要做三件事：寄確認信、通知講者、把報名紀錄送去推薦系統。目前全部在報名的 API 裡同步執行，問題接連出現：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;慢&lt;/strong&gt;：報名 API 的延遲等於這四件事的總和，其中寄信最慢&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;連帶失敗&lt;/strong&gt;：郵件服務當機時，報名也跟著失敗。使用者明明已經搶到名額，卻看到錯誤&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;尖峰&lt;/strong&gt;：熱門講座開放報名的那 10 分鐘湧入 3 萬筆報名，但郵件服務商限制每秒最多送 50 封。同步呼叫時，超過的請求只能失敗&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;&lt;code&gt;@Async&lt;/code&gt; 丟到執行緒池&lt;/strong&gt;：報名 API 變快了，但工作只存在記憶體裡。服務重啟或當機，還沒執行的工作全部消失，也沒有地方看得到失敗了哪些&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;資料庫當佇列&lt;/strong&gt;：報名時在同一個交易裡寫一筆「待寄信」紀錄，背景程式用 &lt;code&gt;SELECT ... FOR UPDATE SKIP LOCKED&lt;/code&gt; 取出處理。工作和報名一起提交，不會遺失，多台背景程式也不會搶到同一筆。&lt;strong&gt;量不大時這是很好的選擇&lt;/strong&gt;，它的極限在於輪詢的負擔、大量更新造成的鎖競爭與表膨脹，以及每增加一種消費者就要再多一張表或一個狀態欄位&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;需要更大的量、更多種消費者、更完整的重試與監控時，才輪到專門的 message broker。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;佇列提供的三件事&#34;&gt;佇列提供的三件事&lt;/h3&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;時間上的解耦&lt;/strong&gt;：生產者送出訊息就可以回應使用者，消費者晚一點處理、甚至暫時停機都沒關係&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;削峰&lt;/strong&gt;：生產速度和消費速度不必相同，差額暫存在佇列裡。3 萬封信以每秒 50 封的速度寄送，需要 600 秒，也就是尖峰過後約 10 分鐘全部寄完，而不是 2 萬 9 千筆請求失敗&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;失敗隔離與重試&lt;/strong&gt;：郵件服務當機時，訊息留在佇列裡等待重試，報名本身不受影響&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;代價是&lt;strong&gt;最終一致&lt;/strong&gt;：報名成功的那一刻，確認信還沒寄出。產品要接受這段延遲，介面上也要能表達「處理中」。&lt;/p&gt;&#xA;&lt;h3 id=&#34;競爭消費者與-prefetch&#34;&gt;競爭消費者與 prefetch&lt;/h3&gt;&#xA;&lt;p&gt;多個消費者訂閱同一個佇列，每則訊息只交給其中一個。消費者跟不上時，加開實例就能提高處理速度。&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;Prefetch&lt;/strong&gt; 決定 broker 一次最多推給每個消費者幾則還沒確認的訊息。值越大，吞吐量越高，因為消費者不必每處理完一則就等下一則；但訊息會堆在消費者的記憶體裡，也分配得比較不平均。Spring AMQP 的預設值是 250。訊息很大、處理很慢、或需要嚴格順序時，要調低。&lt;/p&gt;&#xA;&lt;h3 id=&#34;ack-的時機決定投遞語意&#34;&gt;Ack 的時機決定投遞語意&lt;/h3&gt;&#xA;&lt;p&gt;Broker 送出訊息後，要等消費者回覆 ack 才會刪除它：&lt;/p&gt;</description>
			</item>
			<item>
				<title>Napkin Math 容量估算：用延遲數字與乘除法，算出要幾台機器、多少儲存</title>
				<link>https://xinqilin.github.io/post/systemdesign/napkin-math/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/napkin-math/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 1-3｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/latency-throughput/&#34;&gt;Latency、Throughput 與 p99&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;垂直擴展、水平擴展與無狀態服務&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;新專案的啟動會議上，PM 說「預計上線一年後日活躍使用者 200 萬」，主管轉頭問你：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;應用伺服器要準備幾台？&lt;/li&gt;&#xA;&lt;li&gt;資料庫三年後會長到多大？需要 sharding 嗎？&lt;/li&gt;&#xA;&lt;li&gt;商品圖片放哪裡？&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;沒有壓測、沒有真實資料，但你要在會議中給出&lt;strong&gt;數量級正確&lt;/strong&gt;的答案。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最簡單的做法是「先上線再說，不夠再加」。對可以水平擴展的無狀態服務，這樣其實行得通，加機器就好。&lt;/p&gt;&#xA;&lt;p&gt;問題在於有些決定&lt;strong&gt;很難回頭&lt;/strong&gt;：資料庫要不要 sharding、sharding key 選什麼、圖片存在資料庫還是物件儲存。這些在上線後才發現選錯，要付出資料搬遷的代價。&lt;/p&gt;&#xA;&lt;p&gt;估算的目的不是精準，而是回答這類&lt;strong&gt;數量級的問題&lt;/strong&gt;：一台夠不夠？需不需要分散式？差 2 倍無所謂，差 100 倍架構就完全不同。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;1-必背的換算&#34;&gt;1. 必背的換算&lt;/h3&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;換算&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;近似值&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2^10 / 2^20 / 2^30 / 2^40&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 1 千 / 1 百萬 / 10 億 / 1 兆（KB / MB / GB / TB）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一天的秒數&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;86,400，心算時可用 10^5（誤差約 16%）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一個月的秒數&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 2.6 × 10^6&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一年的秒數&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 3.15 × 10^7&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;每天 100 萬次&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 12 次/秒&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;每天 1 億次&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 1,160 次/秒&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1 Gbps&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 125 MB/s（bit 和 byte 差 8 倍）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;h3 id=&#34;2-延遲數字數量級&#34;&gt;2. 延遲數字（數量級）&lt;/h3&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;操作&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;數量級&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;CPU L1 cache 存取&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 1 ns&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;主記憶體存取&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 100 ns&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;NVMe SSD 隨機讀 4 KB&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 10–100 µs&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;同機房網路來回（RTT）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 0.1–0.5 ms&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Redis GET（同機房，含網路）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 0.2–1 ms&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;MySQL 主鍵查詢（資料在 buffer pool，含網路）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 0.5–2 ms&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;傳統硬碟隨機尋道&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 5–10 ms&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;台北 ↔ 東京 RTT&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 30–40 ms&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;台北 ↔ 美西 RTT&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 130–160 ms&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;SSD 循序讀 1 GB&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 0.3–1 s&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1 Gbps 網路傳 1 GB&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;約 8–10 s&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;這張表的數字會隨硬體世代變動，重點是看&lt;strong&gt;數量級之間的差距&lt;/strong&gt;：&lt;/p&gt;</description>
			</item>
			<item>
				<title>Observability：metrics、log、trace 與 SLO，從「好像變慢了」到找出原因</title>
				<link>https://xinqilin.github.io/post/systemdesign/observability/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/observability/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 6-5｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rate-limiting/&#34;&gt;Rate Limiting&lt;/a&gt;｜下一篇：Part 7 架構演進（撰寫中）｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;週五晚上，客服轉來幾則抱怨：「報名按下去要等很久」「有時候會出現錯誤」。&lt;/p&gt;&#xA;&lt;p&gt;值班工程師打開監控：平均回應時間 120 毫秒，和平常差不多；CPU 40%；錯誤率 0.3%。一切看起來都正常。&lt;/p&gt;&#xA;&lt;p&gt;但抱怨是真的。實際的情況是：使用某一家銀行信用卡付款的使用者，金流服務呼叫那家銀行時每次都要 8 秒。這些使用者只佔 2%，平均值完全看不出來。要找到它，工程師需要回答一連串的問題：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;是所有使用者都變慢，還是某一群人？（metrics，依維度切分）&lt;/li&gt;&#xA;&lt;li&gt;一個慢的請求，時間花在哪一段？（trace）&lt;/li&gt;&#xA;&lt;li&gt;那一段發生了什麼事？（log）&lt;/li&gt;&#xA;&lt;li&gt;這件事嚴重到需要半夜叫人起來嗎？（SLO 與告警）&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;&lt;strong&gt;Monitoring&lt;/strong&gt; 回答「已知的問題有沒有發生」：CPU 有沒有超過 80%、磁碟有沒有滿。&lt;strong&gt;Observability&lt;/strong&gt; 回答「事先沒想到的問題」：在不修改程式、不重新部署的情況下，從系統輸出的資料推斷出內部發生了什麼事。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;每台伺服器寫 log 檔，出事時 SSH 上去 &lt;code&gt;grep&lt;/code&gt;&lt;/strong&gt;：12 台伺服器就要登入 12 台，一個請求經過 4 個服務，要在 48 個檔案裡拼湊出來（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;無狀態服務篇&lt;/a&gt;）；自動擴充縮減掉的機器，log 跟著消失&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;只看平均值&lt;/strong&gt;：平均值會掩蓋長尾，2% 的使用者等 8 秒，平均只增加 0.16 秒（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/latency-throughput/&#34;&gt;Latency 與 p99 篇&lt;/a&gt;）&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;什麼都告警&lt;/strong&gt;：CPU 超過 70%、每個 5xx 都發通知，一天幾百則，值班的人學會忽略所有告警，真正的事故就被淹沒了&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;三種訊號&#34;&gt;三種訊號&lt;/h3&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;訊號&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;回答什麼&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;成本特性&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;例子&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Metrics&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;整體的趨勢與比例：多少、多快、多常出錯&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;和流量無關，和&lt;strong&gt;維度的組合數&lt;/strong&gt;有關&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;報名 API 的 p99 延遲、每秒請求數、錯誤率&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Logs&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;某個時間點發生了什麼事，細節最多&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;和流量成正比&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;付款失敗 bank=XYZ status=504 duration=8012ms&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Traces&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一個請求經過了哪些服務、每一段花了多久&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;和流量成正比，通常要取樣&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;報名 → 金流 → 銀行 API 花了 8 秒&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;三者要能&lt;strong&gt;互相跳轉&lt;/strong&gt;才有用：從 metrics 看到 p99 變高，點進去看到那段時間的慢 trace，從 trace 的某一段找到同一個 trace ID 的 log。串起三者的就是 &lt;strong&gt;trace ID&lt;/strong&gt;。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Pub/Sub 與投遞語意：Kafka 的分區、消費群組，以及 exactly-once 到底保證了什麼</title>
				<link>https://xinqilin.github.io/post/systemdesign/pubsub-delivery-semantics/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/pubsub-delivery-semantics/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 5-3｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/message-queue/&#34;&gt;Message Queue&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/idempotency-key/&#34;&gt;冪等性與 Idempotency Key&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/message-queue/&#34;&gt;上一篇&lt;/a&gt;的佇列只有一種消費者：寄確認信。但「有人報名了」這件事，關心的服務越來越多：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;郵件服務寄確認信&lt;/li&gt;&#xA;&lt;li&gt;講者後台更新報名人數&lt;/li&gt;&#xA;&lt;li&gt;推薦系統記錄使用者的興趣&lt;/li&gt;&#xA;&lt;li&gt;資料倉儲做每日報表&lt;/li&gt;&#xA;&lt;li&gt;稽核系統保存所有報名異動&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;而且新的需求不斷出現：推薦團隊上線新的模型，希望&lt;strong&gt;拿過去三個月的報名紀錄重新訓練&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;報名服務不該知道有哪些消費者，也不該為每個新消費者改程式。它只要宣告「發生了這件事」，誰有興趣誰就訂閱。這就是 publish/subscribe。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;報名服務逐一呼叫每個服務&lt;/strong&gt;：每多一個消費者就要改報名服務；任何一個消費者故障都會影響報名&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;為每個消費者各送一則訊息到各自的佇列&lt;/strong&gt;：報名服務仍然要知道有哪些消費者&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;RabbitMQ 的 fanout exchange&lt;/strong&gt;：報名服務只送到一個 exchange，每個消費者綁定自己的佇列，broker 負責複製。這解決了解耦，但訊息被消費之後就刪除了，&lt;strong&gt;新的消費者看不到過去的訊息&lt;/strong&gt;，推薦團隊想要的三個月歷史無從取得&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;兩種-pubsub-模型&#34;&gt;兩種 Pub/Sub 模型&lt;/h3&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;flowchart LR&#xA;    subgraph R[&#34;RabbitMQ：每個訂閱者一份副本&#34;]&#xA;        P1[報名服務] --&gt; X[fanout exchange]&#xA;        X --&gt; Q1[郵件佇列] --&gt; C1[郵件服務]&#xA;        X --&gt; Q2[講者佇列] --&gt; C2[講者後台]&#xA;    end&#xA;    subgraph K[&#34;Kafka：所有訂閱者讀同一份 log&#34;]&#xA;        P2[報名服務] --&gt; T[(registration-events&lt;br/&gt;保留 90 天)]&#xA;        T --&gt;|各自記錄讀到哪裡| G1[郵件服務]&#xA;        T --&gt; G2[講者後台]&#xA;        T --&gt; G3[推薦系統：從頭讀起]&#xA;    end&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;RabbitMQ exchange&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;Kafka topic&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;訊息的生命&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;每個佇列各一份，消費確認後刪除&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一份 log，依保留期限或大小刪除，和有沒有人讀無關&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;讀取位置&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Broker 追蹤每則訊息的狀態&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;消費者自己記錄讀到哪個 offset&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;新的訂閱者&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;只看得到之後的訊息&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;可以從保留期限內的任何位置開始讀&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;重播&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;不行&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;把 offset 移回去就能重新處理&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;單則訊息的處理&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;個別確認、個別重送&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;消費群組依 offset 順序前進，一則卡住會擋住後面的（share group 例外，見下文）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;路由&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;exchange 與 routing key，很彈性&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;依 topic 與分區，較單純&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;Kafka 把訊息當成&lt;strong&gt;事件的歷史紀錄&lt;/strong&gt;，而不是待辦工作。這讓它適合多個訂閱者、需要重播的場景，代價是失去了彈性路由，傳統的消費群組也沒有逐則確認。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Rate Limiting：限流演算法、分散式限流，以及限流和降載的差別</title>
				<link>https://xinqilin.github.io/post/systemdesign/rate-limiting/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/rate-limiting/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 6-4｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/circuit-breaker-bulkhead/&#34;&gt;Circuit Breaker 與 Bulkhead&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/observability/&#34;&gt;Observability&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台最近遇到幾件事：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;熱門講座開放報名的瞬間，有人用程式每秒送出上千個報名請求，名額在 2 秒內被搶光，真人使用者連頁面都還沒載入&lt;/li&gt;&#xA;&lt;li&gt;一個合作夥伴的系統有 bug，在迴圈裡不斷呼叫查詢 API，每秒 5,000 個請求，拖慢了所有人&lt;/li&gt;&#xA;&lt;li&gt;登入 API 每分鐘收到數萬次嘗試，帳號密碼來自其他網站外洩的資料（credential stuffing）&lt;/li&gt;&#xA;&lt;li&gt;簡訊驗證碼 API 被大量呼叫，發送到國外的付費號碼，一個晚上燒掉幾萬元的簡訊費&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/circuit-breaker-bulkhead/&#34;&gt;上一篇&lt;/a&gt;的 circuit breaker 與 bulkhead 保護的是「我呼叫的下游」。這篇要保護的是自己：&lt;strong&gt;限制每個呼叫者能用掉多少資源&lt;/strong&gt;，讓一個呼叫者的行為不會影響其他人。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;在每台應用伺服器的記憶體裡，用一個 map 記錄每個使用者這一分鐘的請求數，超過 100 就拒絕。&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;4 台伺服器各自計數，使用者實際能送出 400 個請求（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;無狀態服務篇&lt;/a&gt;的「記憶體計數器」問題）。自動擴充到 8 台，限額又悄悄變成 800&lt;/li&gt;&#xA;&lt;li&gt;「這一分鐘」從整點開始算，使用者可以在 00:59 送 100 個、01:00 再送 100 個，2 秒內送出 200 個&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;演算法&#34;&gt;演算法&lt;/h3&gt;&#xA;&lt;p&gt;&lt;strong&gt;固定視窗&lt;/strong&gt;（fixed window）：每個時間窗（例如每分鐘）一個計數器，超過上限就拒絕。&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;實作最簡單，Redis 一個 &lt;code&gt;INCR&lt;/code&gt; 加上 &lt;code&gt;EXPIRE&lt;/code&gt; 就完成&lt;/li&gt;&#xA;&lt;li&gt;視窗交界的問題：上限每分鐘 100，最壞情況在 2 秒內通過 200 個&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;&lt;strong&gt;滑動視窗紀錄&lt;/strong&gt;（sliding window log）：記錄每個請求的時間戳，計算最近 60 秒內的數量。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Replication 與 Replication Lag：讀寫分離之後，使用者為什麼讀不到自己剛寫的資料</title>
				<link>https://xinqilin.github.io/post/systemdesign/replication-lag/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/replication-lag/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-1｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/geohash/&#34;&gt;Geohash 與地理索引&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sharding/&#34;&gt;Sharding&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台的讀寫比約 50 : 1，尖峰每秒 1 萬次讀取、200 次寫入，primary 的 CPU 長期在 80% 以上。團隊加了兩台 read replica，把查詢導過去，primary 的負載立刻降下來。但上線一週後，客服收到三種抱怨：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;「我改了個人簡介，重新整理後還是舊的。」&lt;/li&gt;&#xA;&lt;li&gt;「報名成功後，『我的報名』清單裡有這場；再整理一次就不見了，再整理又出現。」&lt;/li&gt;&#xA;&lt;li&gt;primary 當機、切換到 replica 之後，最後幾秒的報名紀錄不見了。&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;這三個問題都來自同一件事：&lt;strong&gt;replica 的資料比 primary 晚&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最簡單的做法是全部讀 primary，完全沒有延遲問題，但讀取量會被單台主機的上限卡住。加 replica 可以水平擴展讀取，代價是要回答：&lt;strong&gt;哪些讀取可以接受舊資料、能接受多舊&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;延遲通常只有幾十毫秒，所以測試環境很難重現。但它有長尾：replica 在套用一個大交易時（例如每月結算一次更新 300 萬列），後面的交易常常要排在它後面，延遲會一路累積到好幾秒。用非同步複寫時，primary 在延遲 200 毫秒的瞬間當機，以每秒 200 次寫入計算，大約有 40 筆已經回覆使用者成功的交易還沒送到 replica；延遲尖峰 8 秒時就是 1,600 筆。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;複寫在複製什麼&#34;&gt;複寫在複製什麼&lt;/h3&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;Statement-based&lt;/strong&gt;：複製 SQL 敘述本身。資料量小，但 &lt;code&gt;NOW()&lt;/code&gt;、&lt;code&gt;UUID()&lt;/code&gt;、沒有 &lt;code&gt;ORDER BY&lt;/code&gt; 的 &lt;code&gt;LIMIT&lt;/code&gt; 在 replica 上重新執行，結果可能不同&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;Row-based&lt;/strong&gt;：複製每一列實際的變更。結果一定相同，但一個更新 300 萬列的 &lt;code&gt;UPDATE&lt;/code&gt; 會變成 300 萬筆列事件。MySQL 預設使用 row-based，而且切換格式這件事從 8.0 起已被標為 deprecated，未來會只剩 row-based&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;實體複寫&lt;/strong&gt;：PostgreSQL 的 streaming replication 直接傳送 WAL，也就是資料頁層級的變更，replica 是 primary 逐位元組的副本，主要版本必須相同&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h3 id=&#34;mysql-的複寫流程&#34;&gt;MySQL 的複寫流程&lt;/h3&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;sequenceDiagram&#xA;    participant A as 應用程式&#xA;    participant S as Source（primary）&#xA;    participant R as Replica&#xA;    A-&gt;&gt;S: COMMIT&#xA;    S-&gt;&gt;S: 寫入 binlog、提交交易&#xA;    S--&gt;&gt;A: OK（非同步複寫不等 replica）&#xA;    S-&gt;&gt;R: dump thread 傳送 binlog 事件&#xA;    R-&gt;&gt;R: receiver thread 寫入 relay log&#xA;    R-&gt;&gt;R: applier threads 套用交易&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;延遲可能卡在任何一段：網路、relay log 的寫入、applier 的套用速度。MySQL 8.4 的 replica 預設有 4 個 applier thread 平行套用，但大交易、DDL、replica 的硬體比 primary 差、replica 上有吃資源的報表查詢，都會讓 applier 跟不上。&lt;/p&gt;</description>
			</item>
			<item>
				<title>REST、gRPC 與 GraphQL：依呼叫者選擇 API 風格</title>
				<link>https://xinqilin.github.io/post/systemdesign/rest-grpc-graphql/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/rest-grpc-graphql/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 5-1｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/distributed-lock/&#34;&gt;分散式鎖與 Fencing Token&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/message-queue/&#34;&gt;Message Queue&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台拆成報名、講座、通知幾個服務之後，API 的呼叫者分成三種，需求很不一樣：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;合作夥伴&lt;/strong&gt;：企業客戶用 API 查詢講座、替員工報名。他們用什麼語言、什麼工具都有可能，最在意的是好上手、穩定、文件清楚&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;自家 App 的首頁&lt;/strong&gt;：一個畫面要顯示講座、講者、剩餘名額、我的報名狀態。不同版本的 App、不同的畫面，要的欄位都不一樣，而且行動網路的每一次往返都很貴&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;服務之間&lt;/strong&gt;：報名服務每次報名都要向講座服務確認名額與時間，尖峰每秒數千次；講者後台還要即時看到新的報名，需要伺服器主動推送&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;全部用 REST + JSON：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;App 首頁&lt;/strong&gt;：要打 4、5 支 API 才湊得齊一個畫面。為首頁做一支專用 API 可以解決，但每個畫面、每個 App 版本都要一支，API 數量一直膨脹；共用同一支 API，又會回傳很多用不到的欄位&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;服務之間&lt;/strong&gt;：每次呼叫都要序列化與解析 JSON；欄位改名或型別改變，要到執行時才發現；也沒有內建的機制把「呼叫端還願意等多久」傳給下游&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;即時推送&lt;/strong&gt;：HTTP 的一問一答模式不適合長時間的串流&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;這不代表 REST 不好，而是不同的呼叫者適合不同的工具。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;rest用-http-本身的語意&#34;&gt;REST：用 HTTP 本身的語意&lt;/h3&gt;&#xA;&lt;p&gt;REST 以&lt;strong&gt;資源&lt;/strong&gt;為中心，用 HTTP 方法表達操作。它最大的優勢是能直接利用整個 HTTP 生態：瀏覽器、curl、CDN、反向代理、快取都看得懂。&lt;/p&gt;&#xA;&lt;p&gt;HTTP 規格（RFC 9110）對每個方法有明確的語意，這些語意會影響快取與重試：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;方法&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;安全（不改變狀態）&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;冪等（執行多次結果相同）&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;用途&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;GET、HEAD&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;讀取，可以快取，失敗可以直接重試&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;PUT&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;否&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;整份取代&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;DELETE&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;否&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;刪除&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;POST&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;否&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;否&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;建立、或其他不符合上述語意的操作&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;PATCH&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;否&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;不一定&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;部分更新&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;POST 不是冪等的，網路逾時後重試可能建立兩筆資料。建立類的 POST 要支援 &lt;code&gt;Idempotency-Key&lt;/code&gt;，&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/idempotency-key/&#34;&gt;Part 5 的冪等性篇&lt;/a&gt;會詳談。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Sharding：shard key 怎麼選、重新分片怎麼搬，以及跨分片之後失去的東西</title>
				<link>https://xinqilin.github.io/post/systemdesign/sharding/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/sharding/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-2｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/replication-lag/&#34;&gt;Replication 與 Replication Lag&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/consistent-hashing/&#34;&gt;Consistent Hashing&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台營運三年後，報名相關的資料累積到 30 億筆、12 TB。熱門講座開放報名的瞬間，寫入尖峰每秒 2 萬次。&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/replication-lag/&#34;&gt;上一篇&lt;/a&gt;的 read replica 幫不上忙：每台 replica 都要套用全部的寫入，寫入量和 primary 一樣多。&lt;/p&gt;&#xA;&lt;p&gt;單台 primary 的極限同時出現在三個地方：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;寫入量&lt;/strong&gt;：所有寫入都在同一台機器上排隊&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;資料量&lt;/strong&gt;：12 TB 的備份以每秒 500 MB 還原，要將近 7 小時&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;記憶體&lt;/strong&gt;：常用的索引已經放不進 buffer pool，查詢開始大量讀磁碟&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;分片之前，先確認這些更簡單的做法都試過了：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;垂直擴展&lt;/strong&gt;：換更大的機器（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;Part 2&lt;/a&gt;）&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;歸檔冷資料&lt;/strong&gt;：三年前的報名紀錄搬到便宜的儲存，主資料庫只留近期資料&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;分割表&lt;/strong&gt;（partitioning）：同一台資料庫內，依月份把表切成多個分割區。查詢只掃描相關的分割區，過期資料用 &lt;code&gt;DROP PARTITION&lt;/code&gt; 瞬間刪除。MySQL 要求每個唯一索引（包括主鍵）都包含分割欄位，這和分片的唯一約束是同一個限制。但它還是一台機器，寫入量的上限沒有改變&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;功能拆分&lt;/strong&gt;：報名、觀看紀錄、站內訊息分到不同的資料庫，每個資料庫只承擔一部分寫入&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;這些都撐不住時，才把同一張表的資料分散到多台資料庫，也就是&lt;strong&gt;分片&lt;/strong&gt;（sharding）。它的代價是：跨分片的交易、跨分片的查詢、跨分片的唯一約束、重新分片，以及 N 倍的維運工作。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;選-shard-key&#34;&gt;選 shard key&lt;/h3&gt;&#xA;&lt;p&gt;shard key 決定每一筆資料放在哪個分片，選錯了幾乎不可能改。依重要性排序：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;交易邊界&lt;/strong&gt;：一個交易要修改的資料，必須落在同一個分片&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;查詢模式&lt;/strong&gt;：最常見的查詢要帶著 shard key，才能只查一個分片&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;分布&lt;/strong&gt;：資料與流量要平均，不能有少數分片特別忙&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;成長&lt;/strong&gt;：新資料不能永遠寫到同一個分片&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;h3 id=&#34;分片方式&#34;&gt;分片方式&lt;/h3&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;方式&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;做法&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;優點&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;缺點&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Range&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;依 key 的範圍，例如會員編號 1 到 100 萬放第一台&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;範圍查詢只查少數分片&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;遞增的 key 讓新資料全部寫到最後一台&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;Hash&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;hash(key) % N&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;分布平均&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;範圍查詢要查所有分片；N 改變時幾乎所有資料都要搬&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;查表（directory）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;另外存一張「key 在哪個分片」的對照表&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;每一筆都能個別搬移&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;對照表本身要高可用，而且每次查詢多一次查表&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;邏輯分片&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;先雜湊到固定數量的 slot（例如 1024 個），再查表找到實體分片&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;搬移以 slot 為單位，對照表很小&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;slot 數量決定了未來擴充的上限&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;h3 id=&#34;實測分布重新分片與跨分片查詢&#34;&gt;實測：分布、重新分片與跨分片查詢&lt;/h3&gt;&#xA;&lt;p&gt;16 個分片、200 萬筆報名，橫跨 16 個月。講座的熱門程度與會員的活躍程度都是長尾分布：少數熱門講座占了大量報名。&lt;/p&gt;</description>
			</item>
			<item>
				<title>SQL vs NoSQL：從存取模式選資料庫，而不是從名詞</title>
				<link>https://xinqilin.github.io/post/systemdesign/sql-vs-nosql/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/sql-vs-nosql/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-1｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/cdn/&#34;&gt;CDN 與 HTTP 快取&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/index-btree/&#34;&gt;Index 與 B+Tree&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;電商平台要同時上線三個新功能，團隊為資料庫選型吵了起來：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;訂單與付款&lt;/strong&gt;：一筆訂單要同時扣庫存、建立付款紀錄、使用優惠券，任何一步失敗都要全部回復&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;商品瀏覽紀錄&lt;/strong&gt;：每天約 1 億筆，只會新增，最常見的查詢是「某位會員最近看過的 50 個商品」，保留 90 天&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;商品屬性&lt;/strong&gt;：手機有螢幕尺寸和容量，衣服有尺碼和材質，每個品類的欄位都不一樣，而且營運會持續新增&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;有人說「NoSQL 比較快，全部換 MongoDB」，有人說「MySQL 什麼都做得到」。兩邊都只說對了一半。選資料庫要問的不是「SQL 還是 NoSQL」，而是：&lt;strong&gt;資料長什麼樣子、會怎麼被讀寫、需要什麼程度的一致性、量有多大&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最簡單的做法是三個功能全部放進現有的 MySQL。先估算看看哪裡會撐不住：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;訂單&lt;/strong&gt;：本來就是關聯式資料庫最擅長的事，多筆資料在同一個交易裡全有或全無&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;瀏覽紀錄&lt;/strong&gt;：1 億筆 ÷ 86,400 秒 ≈ 平均每秒 1,157 筆，尖峰抓 5 倍約 5,800 筆。InnoDB 每筆資料加上列標頭與交易資訊，大約 50–70 bytes，每天約 5–7 GB，保留 90 天約 0.5 TB。單台 MySQL 用批次寫入可以處理這個量（量級估計，實際要壓測）。真正的麻煩在&lt;strong&gt;刪除&lt;/strong&gt;：每天要刪掉 1 億筆過期資料，&lt;code&gt;DELETE&lt;/code&gt; 會產生大量 undo log、鎖和碎片&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;商品屬性&lt;/strong&gt;：傳統做法是 EAV（entity–attribute–value）表，每個屬性一列。查「螢幕 6 吋以上、容量 256 GB 的手機」要自己 join 自己好幾次，又慢又難寫&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;所以極限不在「MySQL 慢」，而在&lt;strong&gt;資料的形狀和生命週期&lt;/strong&gt;。後面會看到，這三個問題在 MySQL 裡都有解，而且比引入新資料庫便宜得多。但先要理解 NoSQL 到底在解決什麼。&lt;/p&gt;</description>
			</item>
			<item>
				<title>Timeout、Retry、Backoff 與 Jitter：重試怎麼救系統，又怎麼壓垮系統</title>
				<link>https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 6-2｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/redundancy-failover-dr/&#34;&gt;備援、故障轉移與災難復原&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/circuit-breaker-bulkhead/&#34;&gt;Circuit Breaker 與 Bulkhead&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;報名服務在完成報名前，要呼叫金流服務確認付款狀態。某天金流服務的資料庫變慢，回應時間從 50 毫秒變成 30 秒。&lt;/p&gt;&#xA;&lt;p&gt;報名服務的 HTTP 用戶端沒有設定逾時。每個報名請求都卡在等待金流回應，Tomcat 的執行緒一個一個被佔住，連線池也被借光。幾分鐘後，&lt;strong&gt;連完全不需要金流的查詢講座 API 也沒有回應了&lt;/strong&gt;，因為已經沒有可用的執行緒。&lt;/p&gt;&#xA;&lt;p&gt;工程師加上了逾時與重試：逾時 5 秒，失敗重試 3 次。下一次金流服務變慢時，報名服務送給金流的請求數變成平常的 4 倍。金流服務本來只是變慢，現在被重試的流量徹底壓垮。&lt;/p&gt;&#xA;&lt;p&gt;逾時和重試都是必要的，但設定錯了，它們會讓故障擴大，而不是縮小。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;不設逾時&lt;/strong&gt;：很多 HTTP 用戶端預設不會逾時，或逾時長達數分鐘。一個慢的下游就能佔住所有資源&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;失敗就立刻重試&lt;/strong&gt;：下游正因為負載太高而失敗，立刻重試只會讓負載更高&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;每一層都重試 3 次&lt;/strong&gt;：使用者的 App、API gateway、報名服務各自重試 3 次，一個請求到最下游最多變成 4 × 4 × 4 = 64 次嘗試（每層 1 次原始請求加 3 次重試）&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;逾時等待的成本&#34;&gt;逾時：等待的成本&lt;/h3&gt;&#xA;&lt;p&gt;等待不是免費的。報名服務每在等待中的一個請求，都佔用了：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;一個執行緒（或一個虛擬執行緒與它的記憶體）&lt;/li&gt;&#xA;&lt;li&gt;一條連到下游的連線&lt;/li&gt;&#xA;&lt;li&gt;可能還有一條資料庫連線，如果呼叫發生在交易裡&lt;/li&gt;&#xA;&lt;li&gt;使用者那一端的耐心&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;逾時要分開設定：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;逾時&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;意義&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;參考值&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;連線逾時&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;建立 TCP（與 TLS）連線的時間&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;同一個機房內通常幾毫秒就完成，設幾百毫秒；連不上代表對方不在了，不需要等很久&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;讀取逾時&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;送出請求後，等待回應資料的時間&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;依下游的延遲分布決定&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;整體期限（deadline）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;這次操作（包含所有重試）最多能花多久&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;依呼叫端的期限決定&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;&lt;strong&gt;讀取逾時依下游的延遲分布決定&lt;/strong&gt;。金流服務的 p99 是 300 毫秒、p99.9 是 800 毫秒，讀取逾時設 1 秒：正常情況下幾乎不會誤判，下游真的出問題時，最多等 1 秒。設得比 p99 還短，正常的慢請求也會被當成失敗，接著觸發重試，反而增加負載。&lt;/p&gt;</description>
			</item>
			<item>
				<title>一個 HTTP Request 的旅程：DNS、TCP、TLS、Load Balancer 到資料庫的每一段耗時</title>
				<link>https://xinqilin.github.io/post/systemdesign/request-lifecycle/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/request-lifecycle/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 1-1｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/&#34;&gt;系統設計怎麼想&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/latency-throughput/&#34;&gt;Latency、Throughput 與 p99&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;美國的客戶回報：「訂單頁打開要一秒多。」你打開 APM，&lt;code&gt;GET /orders&lt;/code&gt; 的伺服器處理時間只有 150 ms，資料庫查詢 5 ms。差的那一秒去哪了？&lt;/p&gt;&#xA;&lt;p&gt;答案是：伺服器處理時間只是整趟旅程的其中一段。在優化任何一行程式碼之前，要先知道時間花在哪一站。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的模型與它的盲點&#34;&gt;最簡單的模型與它的盲點&lt;/h2&gt;&#xA;&lt;p&gt;最直覺的模型是「Client → Server → DB」三站。這個模型漏掉了很多會花時間的地方：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;找到伺服器&lt;/strong&gt;：網域名稱要先透過 DNS 換成 IP&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;建立連線&lt;/strong&gt;：TCP 三次握手、TLS 交換金鑰與驗證憑證&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;排隊&lt;/strong&gt;：Load Balancer、Tomcat 的 thread pool、HikariCP 的連線池，滿了都要等&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;傳輸&lt;/strong&gt;：response 很大時，受頻寬與 TCP 擁塞控制影響&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;更麻煩的是，伺服器端的 metric 是從「Tomcat 開始處理請求」算到「寫完 response」，&lt;strong&gt;連線建立和網路傳輸的時間完全不在裡面&lt;/strong&gt;。所以伺服器看起來很快，使用者卻覺得很慢。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制一個請求經過的每一站&#34;&gt;核心機制：一個請求經過的每一站&lt;/h2&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;sequenceDiagram&#xA;    participant C as Client&#xA;    participant D as DNS Resolver&#xA;    participant L as Load Balancer&#xA;    participant A as Spring Boot&#xA;    participant P as HikariCP&#xA;    participant M as MySQL&#xA;    C-&gt;&gt;D: 查詢 api.example.com&#xA;    D--&gt;&gt;C: IP（附 TTL）&#xA;    C-&gt;&gt;L: TCP SYN&#xA;    L--&gt;&gt;C: SYN-ACK&#xA;    C-&gt;&gt;L: ACK + TLS ClientHello&#xA;    L--&gt;&gt;C: ServerHello + 憑證 + Finished&#xA;    C-&gt;&gt;L: TLS Finished + GET /orders&#xA;    L-&gt;&gt;A: 轉發（LB 與後端間通常是既有連線）&#xA;    A-&gt;&gt;P: 取得 DB 連線&#xA;    P--&gt;&gt;A: Connection&#xA;    A-&gt;&gt;M: SELECT ...&#xA;    M--&gt;&gt;A: rows&#xA;    A--&gt;&gt;L: 200 OK + JSON&#xA;    L--&gt;&gt;C: 200 OK + JSON&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;把每一站的成本列出來（RTT 指封包一來一回的時間）：&lt;/p&gt;</description>
			</item>
			<item>
				<title>分散式 ID：UUIDv7、Snowflake 與號段模式，主鍵的排序、大小與洩漏的資訊</title>
				<link>https://xinqilin.github.io/post/systemdesign/distributed-id/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/distributed-id/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-4｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/consistent-hashing/&#34;&gt;Consistent Hashing&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/cap-pacelc/&#34;&gt;CAP 與 PACELC&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sharding/&#34;&gt;Sharding 篇&lt;/a&gt;把報名資料分到 16 個分片之後，每個分片各自的 &lt;code&gt;AUTO_INCREMENT&lt;/code&gt; 都從 1 開始，不同分片出現了相同的報名編號。新的 ID 方案要滿足：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;全域唯一&lt;/strong&gt;：任何分片、任何機器產生的 ID 都不能重複&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;大致遞增&lt;/strong&gt;：新資料插在 B+Tree 的右邊，維持寫入效能（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/index-btree/&#34;&gt;Index 篇&lt;/a&gt;）&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;不依賴單點&lt;/strong&gt;：產生 ID 不能讓某一台機器成為瓶頸或單點故障，尖峰每秒 2 萬筆&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;夠小&lt;/strong&gt;：主鍵會複製到每一個二級索引裡，越小越好；如果要給前端使用，最好不要超過 JavaScript 能精確表示的整數範圍&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;不洩漏資訊&lt;/strong&gt;：對外公開的 ID 不能讓人推算出業務量&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;這五點沒有一個方案能全部滿足，這篇的重點是取捨。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;單一資料庫發號&lt;/strong&gt;：所有分片都向同一個資料庫的 &lt;code&gt;AUTO_INCREMENT&lt;/code&gt; 要 ID，等於把單點又加了回來，每次寫入還要多一次網路往返&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;每個分片不同的起點與步長&lt;/strong&gt;：MySQL 的 &lt;code&gt;auto_increment_increment = 16&lt;/code&gt;、&lt;code&gt;auto_increment_offset = 1..16&lt;/code&gt;，第一個分片產生 1、17、33…，第二個產生 2、18、34…。簡單有效，但分片數量寫死在設定裡，重新分片時步長也要跟著改&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;UUIDv4&lt;/strong&gt;：每台機器自己產生，不需要任何協調，但完全隨機。下面的實測說明它對索引的影響&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;隨機與時間有序實測主鍵的插入&#34;&gt;隨機與時間有序：實測主鍵的插入&lt;/h3&gt;&#xA;&lt;p&gt;用簡化的 InnoDB 葉節點層模擬插入 200 萬筆：頁面 16 KB、填到 15/16 就分裂、每列除了主鍵還有 150 bytes 的資料、buffer pool 只放得下 3,000 頁（約 47 MB）。分裂規則仿照 InnoDB：新的一筆緊接在上次插入的那一筆之後時，從插入點分裂（舊頁保持全滿），否則對半分裂。UUIDv7 用 Hibernate 7.4 的實作產生：&lt;/p&gt;</description>
			</item>
			<item>
				<title>分散式鎖與 Fencing Token：鎖會過期，持有者卻不知道</title>
				<link>https://xinqilin.github.io/post/systemdesign/distributed-lock/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/distributed-lock/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-7｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/consensus-raft/&#34;&gt;共識與 Raft&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rest-grpc-graphql/&#34;&gt;REST、gRPC 與 GraphQL&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台每天凌晨 3 點把前一天的報名費結算給講者：彙總金額、呼叫銀行的撥款 API、寫入結算紀錄。服務部署了 3 個實例，要求是：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;同一時間只有一台在結算&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;做到一半的那台當機或卡住，別台要能接手&lt;/strong&gt;，不能等人工處理&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;同一筆款項絕對不能撥兩次&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;第 1、2 點是一般的分散式鎖。第 3 點才是難處：這篇會說明，&lt;strong&gt;光靠鎖做不到第 3 點&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;&lt;code&gt;synchronized&lt;/code&gt;、&lt;code&gt;ReentrantLock&lt;/code&gt;&lt;/strong&gt;：只鎖得住同一個 JVM（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;Stateless 擴展篇&lt;/a&gt;）&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;資料庫 &lt;code&gt;SELECT ... FOR UPDATE&lt;/code&gt; 鎖住一列，整個結算都在這個交易裡&lt;/strong&gt;：互斥沒問題，持有者當機時連線斷開，鎖也自動釋放。但交易要開好幾分鐘，期間佔住一條連線、累積 undo log，還在交易裡呼叫外部 API。撥款成功之後交易如果回滾，資料庫就不知道錢已經撥出去了&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;Redis &lt;code&gt;SET lock 1 NX&lt;/code&gt;，結束時 &lt;code&gt;DEL&lt;/code&gt;&lt;/strong&gt;：持有者當機，鎖永遠不會被釋放&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;最後一個問題的標準解法是讓鎖&lt;strong&gt;自動過期&lt;/strong&gt;（租約，lease）。但自動過期正是後面所有問題的來源。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;鎖要提供什麼&#34;&gt;鎖要提供什麼&lt;/h3&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;性質&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;意義&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;怎麼做到&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;互斥&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;同一時間只有一個持有者&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;原子的「不存在才建立」&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;不會永遠卡住&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;持有者當機，鎖最終會被釋放&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;租約到期自動釋放&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;容錯&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;鎖服務本身的一台機器故障，鎖不會遺失&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;複寫或共識&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;前兩點互相衝突：既然鎖會在持有者不知情的情況下過期，「我持有鎖」這件事就可能在任何時刻變成假的。&lt;/p&gt;&#xA;&lt;h3 id=&#34;停頓持有者不知道自己已經失去鎖&#34;&gt;停頓：持有者不知道自己已經失去鎖&lt;/h3&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;sequenceDiagram&#xA;    participant A as 實例 A&#xA;    participant L as 鎖服務&#xA;    participant B as 實例 B&#xA;    participant DB as 結算資料&#xA;    A-&gt;&gt;L: 取得鎖（30 秒）&#xA;    L--&gt;&gt;A: 成功&#xA;    Note over A: Full GC 停頓 40 秒&#xA;    Note over L: 30 秒到期，鎖自動釋放&#xA;    B-&gt;&gt;L: 取得鎖（30 秒）&#xA;    L--&gt;&gt;B: 成功&#xA;    B-&gt;&gt;DB: 撥款給講者 42，標記為已付&#xA;    Note over A: 醒來，以為自己還持有鎖&#xA;    A-&gt;&gt;DB: 撥款給講者 42&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;造成停頓的原因很多：GC 的 stop-the-world、虛擬機被搬移或 CPU 被搶走、記憶體被 swap 出去、封包卡在網路的佇列裡、系統時間跳動。&lt;/p&gt;</description>
			</item>
			<item>
				<title>交易與隔離等級：MVCC、Lost Update、Write Skew 與 Spring 的交易邊界</title>
				<link>https://xinqilin.github.io/post/systemdesign/transaction-isolation/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/transaction-isolation/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-4｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/btree-vs-lsm/&#34;&gt;B-Tree vs LSM-Tree&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/object-storage/&#34;&gt;檔案與物件儲存&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/&#34;&gt;導讀篇&lt;/a&gt;的年度講座報名上線前，需求又多了幾條：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;名額不能超賣&lt;/li&gt;&#xA;&lt;li&gt;講座分上午、下午場，&lt;strong&gt;同一位會員同一時段只能報名一場&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;li&gt;主辦方可以臨時加開名額&lt;/li&gt;&#xA;&lt;li&gt;報名成功要寄確認信&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;QA 壓測後回報三個問題：3,000 個名額卻有 3,012 筆報名；有會員在同一時段報了兩場；主辦方把上限從 3,000 改成 3,500 之後，剩餘名額對不上。程式碼每一行看起來都沒錯，而且全都包在 &lt;code&gt;@Transactional&lt;/code&gt; 裡。&lt;/p&gt;&#xA;&lt;p&gt;&lt;code&gt;@Transactional&lt;/code&gt; 不代表沒有並行問題。交易保證什麼、不保證什麼，取決於隔離等級，以及程式&lt;strong&gt;怎麼讀、怎麼寫&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;最直覺的寫法是「先讀出來、在 Java 判斷、再寫回去」。兩個請求同時進來時，時間軸是這樣：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;時間&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;交易 A（會員 101）&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;交易 B（會員 102）&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;t1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;SELECT remaining&lt;/code&gt; → 1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;t2&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;SELECT remaining&lt;/code&gt; → 1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;t3&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;UPDATE ... SET remaining = 0&lt;/code&gt;、新增報名、&lt;code&gt;COMMIT&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;t4&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;UPDATE ... SET remaining = 0&lt;/code&gt;、新增報名、&lt;code&gt;COMMIT&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;兩個交易都讀到「還有 1 個名額」，都報名成功，&lt;code&gt;remaining&lt;/code&gt; 卻只被扣了一次：A 的扣減被 B 覆蓋掉了。這叫 &lt;strong&gt;lost update&lt;/strong&gt;。&lt;/p&gt;</description>
			</item>
			<item>
				<title>全文搜尋與倒排索引：中文斷詞、BM25 排序、索引同步與搜尋的授權邊界</title>
				<link>https://xinqilin.github.io/post/systemdesign/full-text-search/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/full-text-search/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-7｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/bloom-filter-hyperloglog/&#34;&gt;Bloom Filter 與 HyperLogLog&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/geohash/&#34;&gt;Geohash 與地理索引&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台累積了 20 萬場講座，每場有標題、講者、摘要與標籤。搜尋框的需求是：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;輸入「微服務」找出相關講座，最相關的排前面&lt;/li&gt;&#xA;&lt;li&gt;可以輸入多個詞，例如「資料庫 交易」&lt;/li&gt;&#xA;&lt;li&gt;可以再依分類、日期篩選&lt;/li&gt;&#xA;&lt;li&gt;未公開的講座（草稿、內部場次）不能出現在搜尋結果裡&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;目前的實作是 &lt;code&gt;WHERE title LIKE &#39;%微服務%&#39; OR summary LIKE &#39;%微服務%&#39;&lt;/code&gt;。&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/index-btree/&#34;&gt;Index 篇&lt;/a&gt;提過，開頭是萬用字元的 &lt;code&gt;LIKE&lt;/code&gt; 用不到索引。摘要平均 1 KB，每次搜尋就要比對 20 萬列、約 200 MB 的文字；尖峰每秒 50 次搜尋，等於每秒掃描 10 GB。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;&lt;code&gt;LIKE&lt;/code&gt; 的問題不只是慢：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;沒有排序依據&lt;/strong&gt;：標題裡出現「微服務」和摘要最後順帶一提，對 &lt;code&gt;LIKE&lt;/code&gt; 來說一樣&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;詞序固定&lt;/strong&gt;：&lt;code&gt;&#39;%資料庫%交易%&#39;&lt;/code&gt; 找不到「交易與資料庫」&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;不懂語言&lt;/strong&gt;：大小寫、全形半形、同義詞都要自己處理&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;全文搜尋要先換一個方向來組織資料。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;倒排索引從文件有哪些詞到詞在哪些文件&#34;&gt;倒排索引：從「文件有哪些詞」到「詞在哪些文件」&lt;/h3&gt;&#xA;&lt;p&gt;一般的資料表是「文件 → 內容」。倒排索引反過來，先把每份文件切成詞（term），再為每個詞記錄它出現在哪些文件、出現幾次、在哪些位置，這份清單叫 &lt;strong&gt;posting list&lt;/strong&gt;：&lt;/p&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;flowchart LR&#xA;    D1[&#34;#1 微服務拆分實戰…&#34;] --&gt; A[分析器：切詞、轉小寫…]&#xA;    D2[&#34;#6 Redis 快取策略…&#34;] --&gt; A&#xA;    A --&gt; T1[&#34;微服 → #1, #5, #6&#34;]&#xA;    A --&gt; T2[&#34;服務 → #1, #3, #5, #6, #7&#34;]&#xA;    A --&gt; T3[&#34;快取 → #6, #8&#34;]&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;查詢時只要查出每個詞的 posting list；多個詞都要出現時，取它們的交集。posting list 依文件編號排好序，交集可以像合併排序一樣一次走完，再加上跳躍指標（skip list）跳過不可能相交的區段。&lt;/p&gt;</description>
			</item>
			<item>
				<title>共識與 Raft：選舉、log 複製、讀取一致性，以及用 etcd 做 leader election</title>
				<link>https://xinqilin.github.io/post/systemdesign/consensus-raft/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/consensus-raft/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 4-6｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/cap-pacelc/&#34;&gt;CAP 與 PACELC&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/distributed-lock/&#34;&gt;分散式鎖與 Fencing Token&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台有三個問題，看起來不相關：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;排程只能跑一份&lt;/strong&gt;：每分鐘寄出「講座即將開始」通知的排程，部署了 3 個實例，三個都跑就會寄三封&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;主資料庫切換&lt;/strong&gt;：MySQL primary 當機，要把某一台 replica 升為新的 primary。誰來決定？如果網路分割，兩邊各自選出一台 primary，就會 split brain&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;設定要一致&lt;/strong&gt;：「暫停報名」的開關改了之後，所有實例都要看到同一個值，不能有的實例還在接受報名&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;三個問題的本質相同：&lt;strong&gt;一群機器，在部分機器當機、網路會延遲或中斷的情況下，對同一個值達成一致&lt;/strong&gt;。這就是共識（consensus）。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;指定一台協調者&lt;/strong&gt;：由單一的 Redis 或資料庫的一列決定誰是 leader。協調者當機，就沒有人能被選出；協調者如果用非同步複寫做備援，切換時可能遺失「誰是 leader」的紀錄，又出現兩個 leader&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;互相發心跳，聯絡不上就自己接手&lt;/strong&gt;：網路分割時兩邊都聯絡不上對方，兩邊都接手，正是 split brain&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;兩階段提交（2PC）&lt;/strong&gt;：它解決的是「所有參與者一起提交或一起放棄」，不是共識。協調者在第二階段前當機，參與者只能一直等&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;這些做法共同的缺陷是：&lt;strong&gt;沒有一個機制保證「同時只有一方能做決定」&lt;/strong&gt;。共識演算法用多數決提供這個保證。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;多數決為什麼是-2f--1&#34;&gt;多數決：為什麼是 2f + 1&lt;/h3&gt;&#xA;&lt;p&gt;任意兩個多數派一定至少有一台重疊。只要每個決定都要多數同意，兩個互相矛盾的決定就不可能同時成立：其中重疊的那一台不會同意兩次。&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;節點數&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;多數&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;可容忍的故障數&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;0&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;0&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;3&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;4&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;3&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;5&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;3&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;6&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;4&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;7&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;4&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;3&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;要容忍 f 台故障，需要 2f + 1 台。偶數台沒有好處：4 台和 3 台都只能容忍 1 台故障，卻多了一台要等確認、多一台可能故障。實務上用 3 台或 5 台。&lt;/p&gt;</description>
			</item>
			<item>
				<title>即時更新：輪詢、長輪詢、SSE 與 WebSocket 怎麼選，以及多台伺服器怎麼推播</title>
				<link>https://xinqilin.github.io/post/systemdesign/realtime-updates/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/realtime-updates/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 5-5｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/idempotency-key/&#34;&gt;冪等性與 Idempotency Key&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/redundancy-failover-dr/&#34;&gt;備援、故障轉移與災難復原&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;熱門講座開放報名的那一刻，兩萬人盯著講座頁面上的「剩餘名額」。名額每秒都在變，使用者希望看到的是即時的數字，而不是按下報名後才發現早就額滿了。&lt;/p&gt;&#xA;&lt;p&gt;講座開始後還有第二個需求：線上直播時的即時提問。聽眾送出問題，講者和其他聽眾馬上看到，講者也能把問題標記為「已回答」。&lt;/p&gt;&#xA;&lt;p&gt;這兩個需求不太一樣：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;剩餘名額&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;即時提問&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;方向&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;只有伺服器推給瀏覽器&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;雙向&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;資料性質&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;狀態：只需要最新的值&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;事件：每一則都要收到&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;漏掉一次更新&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;下一次更新會蓋過去&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;少了一則提問&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;訂閱者&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;任何人，不需要登入&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;只有報名的聽眾&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;HTTP 原本是「用戶端問、伺服器答」，伺服器沒辦法主動說話。這篇比較讓伺服器「推」資料的幾種做法，以及推播在多台伺服器上會遇到的問題。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;&lt;strong&gt;短輪詢&lt;/strong&gt;（polling）：瀏覽器每 2 秒呼叫一次 &lt;code&gt;GET /v1/lectures/42/seats&lt;/code&gt;。&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;實作最簡單，負載平衡、快取、監控都沿用既有的 HTTP 基礎設施&lt;/li&gt;&#xA;&lt;li&gt;兩萬人每 2 秒一次，是每秒 10,000 個請求，而大部分的回應和上一次一樣。用 ETag 回 304 可以省下頻寬，但請求數不會變少&lt;/li&gt;&#xA;&lt;li&gt;更新的延遲最差是一個輪詢間隔。間隔縮短，請求數就等比例增加&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;對於幾十個使用者的後台、更新頻率以分鐘計的頁面，短輪詢完全夠用。問題出在使用者多、又要求即時的時候。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;四種做法&#34;&gt;四種做法&lt;/h3&gt;&#xA;&lt;pre class=&#34;mermaid&#34;&gt;sequenceDiagram&#xA;    participant B as 瀏覽器&#xA;    participant S as 伺服器&#xA;    Note over B,S: 短輪詢&#xA;    B-&gt;&gt;S: GET /seats&#xA;    S--&gt;&gt;B: 120（立即回應）&#xA;    B-&gt;&gt;S: GET /seats（2 秒後）&#xA;    S--&gt;&gt;B: 120（沒有變化也要回）&#xA;    Note over B,S: 長輪詢&#xA;    B-&gt;&gt;S: GET /seats?after=v17&#xA;    Note right of S: 有變化才回應，&lt;br/&gt;或等到 30 秒逾時&#xA;    S--&gt;&gt;B: 119（v18）&#xA;    B-&gt;&gt;S: GET /seats?after=v18（立即再發）&#xA;    Note over B,S: SSE&#xA;    B-&gt;&gt;S: GET /seats/stream&#xA;    S--&gt;&gt;B: event: seats（連線保持）&#xA;    S--&gt;&gt;B: event: seats&#xA;    Note over B,S: WebSocket&#xA;    B-&gt;&gt;S: GET /ws（Upgrade: websocket）&#xA;    S--&gt;&gt;B: 101 Switching Protocols&#xA;    B-&gt;&gt;S: 提問&#xA;    S--&gt;&gt;B: 新提問、名額變化&#xA;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;&lt;strong&gt;長輪詢&lt;/strong&gt;（long polling）：伺服器收到請求後不立即回應，等到有新資料或逾時才回。用戶端收到回應後立即再發下一個請求。延遲接近即時，而且仍然是一般的 HTTP 請求。但每則訊息都要重建一次請求；兩次請求之間發生的變化，要靠 &lt;code&gt;after=v18&lt;/code&gt; 這類游標補回來，否則就漏掉了。&lt;/p&gt;</description>
			</item>
			<item>
				<title>系統設計怎麼想：從需求釐清、估算到 Trade-off 與 HLD/LLD</title>
				<link>https://xinqilin.github.io/post/systemdesign/system-design-thinking/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/system-design-thinking/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 0（導讀）｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/request-lifecycle/&#34;&gt;一個 HTTP Request 的旅程&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;系列地圖&#34;&gt;系列地圖&lt;/h2&gt;&#xA;&lt;p&gt;這個系列從「一台機器」一路談到「分散式系統」，每一篇都用同一個結構：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;情境與問題&lt;/strong&gt;：先講一個具體場景，不從名詞開始&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;最簡單的做法與它的極限&lt;/strong&gt;：先找出能用的最簡單方案，再看它在哪裡撐不住&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;核心機制&lt;/strong&gt;：用 mermaid 圖說明原理&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;方案比較&lt;/strong&gt;：每個方案犧牲什麼、換到什麼&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;Java 落地&lt;/strong&gt;：Spring Boot、MySQL、Redis 的實作&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;踩坑與 Gotchas&lt;/strong&gt;：有資安面向時，另列「資安相關」&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;何時用／何時別用&lt;/strong&gt;：包含「什麼條件下要重新評估」&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;參考資料&lt;/strong&gt;&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;Part&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;主題&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;文章&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;0 導讀&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;系統設計怎麼想&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;本篇&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;1 量測基礎&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;先學會量、會估，才知道瓶頸在哪&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/request-lifecycle/&#34;&gt;一個 HTTP Request 的旅程&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/latency-throughput/&#34;&gt;Latency、Throughput 與 p99&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/napkin-math/&#34;&gt;Napkin Math 容量估算&lt;/a&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2 單機到多機&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一台不夠時的第一步&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;垂直擴展、水平擴展與無狀態服務&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/load-balancing/&#34;&gt;Load Balancing 深入&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/caching/&#34;&gt;Cache 深入&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/cdn/&#34;&gt;CDN 與 HTTP 快取&lt;/a&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;3 儲存基礎&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;資料怎麼存、怎麼找&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sql-vs-nosql/&#34;&gt;SQL vs NoSQL&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/index-btree/&#34;&gt;Index 與 B+Tree&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/btree-vs-lsm/&#34;&gt;B-Tree vs LSM-Tree&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/transaction-isolation/&#34;&gt;交易與隔離等級&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/object-storage/&#34;&gt;檔案與物件儲存&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/bloom-filter-hyperloglog/&#34;&gt;Bloom Filter 與 HyperLogLog&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/full-text-search/&#34;&gt;全文搜尋與倒排索引&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/geohash/&#34;&gt;Geohash 與地理索引&lt;/a&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;4 分散式資料&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;一台資料庫裝不下、扛不住之後&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/replication-lag/&#34;&gt;Replication 與 Replication Lag&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/sharding/&#34;&gt;Sharding&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/consistent-hashing/&#34;&gt;Consistent Hashing&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/distributed-id/&#34;&gt;分散式 ID&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/cap-pacelc/&#34;&gt;CAP 與 PACELC&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/consensus-raft/&#34;&gt;共識與 Raft&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/distributed-lock/&#34;&gt;分散式鎖與 Fencing Token&lt;/a&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;5 服務通訊&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;服務之間怎麼說話&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rest-grpc-graphql/&#34;&gt;REST、gRPC 與 GraphQL&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/message-queue/&#34;&gt;Message Queue&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/pubsub-delivery-semantics/&#34;&gt;Pub/Sub 與投遞語意&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/idempotency-key/&#34;&gt;冪等性與 Idempotency Key&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/realtime-updates/&#34;&gt;即時更新&lt;/a&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;6 可靠性&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;壞掉時怎麼辦&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/redundancy-failover-dr/&#34;&gt;備援、故障轉移與 DR&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/&#34;&gt;Timeout/Retry/Backoff 與 Jitter&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/circuit-breaker-bulkhead/&#34;&gt;Circuit Breaker 與 Bulkhead&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rate-limiting/&#34;&gt;Rate Limiting&lt;/a&gt;、&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/observability/&#34;&gt;Observability&lt;/a&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;7 架構演進&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;系統和團隊一起長大&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;單體 vs 微服務、Service Discovery、Saga 與 Outbox、Batch 與 Stream（撰寫中）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;8 安全&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;從系統設計角度看安全&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;身分驗證：Session、Token 與 OAuth 2.0／OIDC、授權模型與 OWASP API Top 10、BOLA 穿過 BFF 之後：微服務的身分傳遞、傳輸與資料加密及 Secrets 管理、濫用防護（撰寫中）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;9 實戰題&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;把前面的元件組起來&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;URL Shortener、News Feed、聊天系統、秒殺搶票、通知系統、排行榜、分散式排程（撰寫中）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;10 交付&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;安全地把變更送上線&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;大規模系統的測試、CI/CD 與部署策略（撰寫中）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;公司要辦年度線上講座，名額 3,000 個。行銷預估開放報名當天會有 5 萬人在線上等，開放後的前 30 秒就會湧進約 2.4 萬次報名請求。主管丟下一句：「下週給我一份設計。」&lt;/p&gt;</description>
			</item>
			<item>
				<title>垂直擴展、水平擴展與無狀態服務：Session、檔案、排程與本機狀態該搬去哪裡</title>
				<link>https://xinqilin.github.io/post/systemdesign/scaling-stateless/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/scaling-stateless/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 2-1｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/napkin-math/&#34;&gt;Napkin Math 容量估算&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/load-balancing/&#34;&gt;Load Balancing 深入&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;雙 11 前壓測，一台 8 核的 Spring Boot 在尖峰時 CPU 已經 85%。你加了第二台，前面放一個 Load Balancer，心想這樣容量就翻倍了。上線當晚陸續出現：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;使用者登入後重新整理，有時就被登出&lt;/li&gt;&#xA;&lt;li&gt;剛上傳的商品圖片，有時看得到、有時 404&lt;/li&gt;&#xA;&lt;li&gt;每天凌晨的對帳排程跑了兩次，客戶收到兩封通知信&lt;/li&gt;&#xA;&lt;li&gt;「每人限搶一次」用 &lt;code&gt;synchronized&lt;/code&gt; 做的檢查失效，有人搶到兩次&lt;/li&gt;&#xA;&lt;li&gt;同一個商品，兩台機器顯示的價格不一樣&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;五個問題的根因都一樣：&lt;strong&gt;應用程式把狀態存在自己身上&lt;/strong&gt;。只有一台機器時，這些狀態剛好都在同一個地方，所以沒事；加了第二台，狀態就裂成兩份。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限垂直擴展&#34;&gt;最簡單的做法與它的極限：垂直擴展&lt;/h2&gt;&#xA;&lt;p&gt;在加機器之前，先想想能不能&lt;strong&gt;換一台更大的機器&lt;/strong&gt;。垂直擴展（scale up）的好處常被低估：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;程式完全不用改，沒有任何分散式問題&lt;/li&gt;&#xA;&lt;li&gt;所有資料都在同一個記憶體空間，延遲最低&lt;/li&gt;&#xA;&lt;li&gt;維運最簡單：一台機器、一份 log、一個要監控的對象&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;它的極限有三個：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;有天花板&lt;/strong&gt;：雲端規格選到最大就沒有下一步，而且升級規格通常要重啟&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;單點故障&lt;/strong&gt;：再大的機器壞了就是全部停擺。就算一台撐得住流量，為了可用性也至少要兩台&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;程式本身不一定吃得到更多核心&lt;/strong&gt;：Amdahl 定律告訴我們，程式中無法平行化的部分決定了加速的上限&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;Amdahl 定律：加速倍數 = 1 ÷（序列部分比例 +（可平行比例 ÷ 核心數））。假設程式有 95% 可以平行化，5% 必須序列執行（例如搶同一把鎖、寫同一個檔案）：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;核心數&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;理論加速&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;8&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;5.9 倍&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;16&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;9.1 倍&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;64&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;15.4 倍&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;無限多&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;20 倍&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;核心從 16 加到 64 是 4 倍成本，換來的加速卻不到 2 倍。到這個時候，與其繼續買更大的機器，不如把工作拆到多台機器上，也就是&lt;strong&gt;水平擴展（scale out）&lt;/strong&gt;。但水平擴展的前提，是應用程式必須是&lt;strong&gt;無狀態&lt;/strong&gt;的。&lt;/p&gt;</description>
			</item>
			<item>
				<title>備援、故障轉移與災難復原：從可用性數字到還原演練</title>
				<link>https://xinqilin.github.io/post/systemdesign/redundancy-failover-dr/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/redundancy-failover-dr/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 6-1｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/realtime-updates/&#34;&gt;即時更新&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/&#34;&gt;Timeout、Retry、Backoff 與 Jitter&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座平台目前的部署：一個機房（一個可用區，AZ）裡有 4 台應用伺服器、1 台 MySQL primary 加 1 台 replica、1 台 Redis。以下四件事，哪些會讓平台停擺？&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;一台應用伺服器的硬碟壞了&lt;/li&gt;&#xA;&lt;li&gt;整個可用區停電&lt;/li&gt;&#xA;&lt;li&gt;工程師在正式環境執行了少了 &lt;code&gt;WHERE&lt;/code&gt; 的 &lt;code&gt;DELETE FROM registration&lt;/code&gt;&lt;/li&gt;&#xA;&lt;li&gt;攻擊者取得管理員帳號，加密了資料庫，並刪除了備份&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;第 1 件事，負載平衡器把流量轉到其他 3 台就解決了（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/load-balancing/&#34;&gt;Load Balancing 篇&lt;/a&gt;）。第 2 件事讓所有東西同時消失。第 3、4 件事更麻煩：機器都好好的，但&lt;strong&gt;資料錯了&lt;/strong&gt;，而 replica 在幾毫秒內就忠實地複製了同一個錯誤。&lt;/p&gt;&#xA;&lt;p&gt;前兩件事是&lt;strong&gt;可用性&lt;/strong&gt;的問題，靠備援與故障轉移解決；後兩件事是&lt;strong&gt;資料正確性&lt;/strong&gt;的問題，只有備份能救。這篇把兩者分開談。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;每天半夜備份一次資料庫，存在同一台機器的另一顆硬碟&lt;/strong&gt;：最多遺失 24 小時的報名資料；機器或機房一壞，備份跟著一起消失；而且從來沒有人試過還原要花多久&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;多開幾台機器&lt;/strong&gt;：如果它們都在同一個可用區、用同一份設定、同一次部署，就會因為同一個原因一起壞掉&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;備援要有效，前提是故障&lt;strong&gt;互相獨立&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;可用性的數字&#34;&gt;可用性的數字&lt;/h3&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;可用性&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;每年停機&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;每月停機&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;99%&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;3.65 天&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;7.3 小時&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;99.9%&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;8.76 小時&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;43.8 分鐘&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;99.95%&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;4.38 小時&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;21.9 分鐘&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;99.99%&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;52.6 分鐘&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;4.38 分鐘&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;99.999%&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;5.26 分鐘&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;26.3 秒&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;&lt;strong&gt;串聯的元件，可用性相乘&lt;/strong&gt;。一個報名請求依序經過負載平衡器（99.99%）、應用伺服器（99.9%）、MySQL（99.95%）、Redis（99.9%）：&lt;/p&gt;</description>
			</item>
			<item>
				<title>冪等性與 Idempotency Key：讓重試變得安全</title>
				<link>https://xinqilin.github.io/post/systemdesign/idempotency-key/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/idempotency-key/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 5-4｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/pubsub-delivery-semantics/&#34;&gt;Pub/Sub 與投遞語意&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/realtime-updates/&#34;&gt;即時更新&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;使用者在捷運上按下「報名並付款」。請求送到伺服器，報名成功、款項扣了，但回應在回程的網路上遺失了。App 等了 10 秒沒有回應，顯示「網路錯誤，請重試」。使用者再按一次。&lt;/p&gt;&#xA;&lt;p&gt;伺服器收到的第二個請求和第一個一模一樣。如果它照常處理，使用者就&lt;strong&gt;被扣了兩次錢&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;這不是罕見的情況。網路逾時之後，用戶端&lt;strong&gt;無法分辨&lt;/strong&gt;請求是「沒送到」、「送到了但處理失敗」，還是「處理成功但回應遺失」。重試在每一層都會發生：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;使用者重按按鈕&lt;/li&gt;&#xA;&lt;li&gt;App 或前端的 HTTP 用戶端自動重試&lt;/li&gt;&#xA;&lt;li&gt;API gateway、service mesh 的重試設定&lt;/li&gt;&#xA;&lt;li&gt;服務之間呼叫的重試（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/timeout-retry-backoff/&#34;&gt;Part 6 的 Timeout 與 Retry&lt;/a&gt;）&lt;/li&gt;&#xA;&lt;li&gt;Message queue 的重新投遞（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/message-queue/&#34;&gt;Message Queue 篇&lt;/a&gt;）&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;前一篇已經說明，訊息系統的「exactly-once」實際上是「at-least-once + 冪等處理」。API 也一樣：&lt;strong&gt;要讓重試安全，操作本身必須是冪等的&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;前端在送出後停用按鈕&lt;/strong&gt;：擋得住連點，擋不住逾時後的重試、App 被關掉重開、網路層的自動重試&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;資料庫唯一鍵&lt;/strong&gt;：在 &lt;code&gt;(lecture_id, member_id)&lt;/code&gt; 加上唯一索引，同一個會員不能報名同一場講座兩次。這在報名上很有效，但有兩個限制：&#xA;&lt;ul&gt;&#xA;&lt;li&gt;重試的請求會收到「已經報名過」的錯誤，而第一次其實成功了。用戶端要特別處理這個錯誤，才知道「其實是成功的」&lt;/li&gt;&#xA;&lt;li&gt;不是每個操作都有天然的唯一鍵。加購講義可以買兩份、儲值可以儲兩次，「內容相同」不代表「是同一個操作」&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;核心機制&#34;&gt;核心機制&lt;/h2&gt;&#xA;&lt;h3 id=&#34;什麼是冪等&#34;&gt;什麼是冪等&lt;/h3&gt;&#xA;&lt;p&gt;一個操作執行一次和執行多次，對系統狀態的&lt;strong&gt;效果相同&lt;/strong&gt;，就是冪等的。注意是效果，不是回應：第二次刪除同一筆資料可能回 404，但資料的狀態沒有差別。&lt;/p&gt;&#xA;&lt;p&gt;HTTP 規格定義了方法的語意：GET、HEAD、PUT、DELETE 是冪等的，POST 不是，PATCH 不一定（&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/rest-grpc-graphql/&#34;&gt;REST、gRPC 與 GraphQL 篇&lt;/a&gt;）。這是語意上的承諾，實作也要遵守：一個會「每呼叫一次就加 1」的 PUT，違反了規格。&lt;/p&gt;&#xA;&lt;h3 id=&#34;讓操作天生冪等&#34;&gt;讓操作天生冪等&lt;/h3&gt;&#xA;&lt;p&gt;在加上 Idempotency Key 之前，先看操作本身能不能設計成冪等的：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;做法&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;例子&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;冪等嗎&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;設定為某個值&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;UPDATE registration SET status = &#39;CANCELLED&#39;&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;增減某個值&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;UPDATE lecture SET remaining = remaining - 1&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;否&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;帶上預期版本的條件式更新&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;... SET status = &#39;PAID&#39;, version = 8 WHERE id = ? AND version = 7&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是，重試時版本已經不符，不會再更新一次&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;用戶端決定資源的 ID&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;PUT /v1/registrations/{用戶端產生的 UUID}&lt;/code&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;是，第二次只是覆寫同一筆&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;天然的唯一鍵&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;code&gt;(lecture_id, member_id)&lt;/code&gt; 唯一索引&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;重複的寫入會被擋下&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;能這樣設計就不需要額外的機制。但「建立一筆付款」「加購一份講義」這類操作，天生就不是冪等的，這時要用 Idempotency Key。&lt;/p&gt;</description>
			</item>
			<item>
				<title>檔案與物件儲存：Block、File、Object 的取捨，multipart 直傳、metadata 一致性與上傳安全</title>
				<link>https://xinqilin.github.io/post/systemdesign/object-storage/</link>
				<pubDate>Sun, 22 Nov 2026 00:00:00 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/systemdesign/object-storage/</guid>
				<description>&lt;blockquote&gt;&#xA;&lt;p&gt;&lt;strong&gt;System Design 系列&lt;/strong&gt; Part 3-5｜上一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/transaction-isolation/&#34;&gt;交易與隔離等級&lt;/a&gt;｜下一篇：&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/bloom-filter-hyperloglog/&#34;&gt;Bloom Filter 與 HyperLogLog&lt;/a&gt;｜&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/system-design-thinking/#%E7%B3%BB%E5%88%97%E5%9C%B0%E5%9C%96&#34;&gt;系列地圖&lt;/a&gt;&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&lt;h2 id=&#34;情境與問題&#34;&gt;情境與問題&lt;/h2&gt;&#xA;&lt;p&gt;講座辦完後，平台要開放三種上傳：講者上傳錄影（每支 1–5 GB）、講義 PDF，以及會員的大頭貼。第一版的做法是 Spring Boot 用 &lt;code&gt;MultipartFile&lt;/code&gt; 收下檔案，存到應用伺服器的 &lt;code&gt;/data/uploads&lt;/code&gt;，路徑寫進資料庫。很快就出現問題：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;服務擴展成三台後，A 機器收到的檔案，B 機器讀不到&lt;/li&gt;&#xA;&lt;li&gt;講者用 50 Mbps 的上行網路傳 5 GB 錄影：5 × 10⁹ × 8 ÷ (50 × 10⁶) ≈ 800 秒，&lt;strong&gt;一個 Tomcat 執行緒被佔住 13 分鐘&lt;/strong&gt;。Tomcat 預設最多 200 條執行緒，幾十位講者同時上傳，一般 API 就開始排隊&lt;/li&gt;&#xA;&lt;li&gt;傳到 90% 時 Wi-Fi 斷線，只能從頭再傳一次&lt;/li&gt;&#xA;&lt;li&gt;有人把資料庫當檔案櫃，改存成 BLOB：buffer pool 被大檔擠滿，備份從 20 分鐘變成 3 小時，replica 延遲飆高&lt;/li&gt;&#xA;&lt;li&gt;資安掃描發現，有人上傳了副檔名是 &lt;code&gt;.png&lt;/code&gt;、內容其實是 HTML 的「大頭貼」&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;h2 id=&#34;最簡單的做法與它的極限&#34;&gt;最簡單的做法與它的極限&lt;/h2&gt;&#xA;&lt;p&gt;&lt;a href=&#34;https://xinqilin.github.io/post/systemdesign/scaling-stateless/&#34;&gt;無狀態服務篇&lt;/a&gt;已經給過第一步：檔案放物件儲存（S3），伺服器只發一個 presigned URL，讓瀏覽器直接 &lt;code&gt;PUT&lt;/code&gt; 上去，檔案的位元組完全不經過應用伺服器。問題 1、2、4 都解決了。&lt;/p&gt;</description>
			</item>
			<item>
				<title>UML 統一建模語言完整指南：軟體設計與架構建模最佳實踐</title>
				<link>https://xinqilin.github.io/post/architecture/uml/</link>
				<pubDate>Mon, 12 Jul 2021 23:33:14 +0800</pubDate>
				<guid>https://xinqilin.github.io/post/architecture/uml/</guid>
				<description>&lt;h2 id=&#34;uml-統一建模語言完整指南&#34;&gt;UML 統一建模語言完整指南&lt;/h2&gt;&#xA;&lt;h3 id=&#34;概述&#34;&gt;概述&lt;/h3&gt;&#xA;&lt;p&gt;UML（Unified Modeling Language，統一建模語言）是一種標準化的建模語言，用於軟體系統的視覺化、規範、建構和文檔化。UML 提供了多種圖形表示法，幫助開發人員理解系統結構、行為和互動關係。&lt;/p&gt;&#xA;&lt;h3 id=&#34;uml-圖形分類&#34;&gt;UML 圖形分類&lt;/h3&gt;&#xA;&lt;h4 id=&#34;結構圖structure-diagrams&#34;&gt;結構圖（Structure Diagrams）&lt;/h4&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;類別圖（Class Diagram）&lt;/strong&gt;：展示類別及其關係&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;物件圖（Object Diagram）&lt;/strong&gt;：展示特定時刻的物件實例&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;封裝圖（Package Diagram）&lt;/strong&gt;：展示套件及其依賴關係&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;部署圖（Deployment Diagram）&lt;/strong&gt;：展示系統部署結構&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h4 id=&#34;行為圖behavior-diagrams&#34;&gt;行為圖（Behavior Diagrams）&lt;/h4&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;使用案例圖（Use Case Diagram）&lt;/strong&gt;：展示系統功能和用戶互動&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;活動圖（Activity Diagram）&lt;/strong&gt;：展示工作流程和業務邏輯&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;狀態圖（State Diagram）&lt;/strong&gt;：展示物件狀態變化&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h4 id=&#34;互動圖interaction-diagrams&#34;&gt;互動圖（Interaction Diagrams）&lt;/h4&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;序列圖（Sequence Diagram）&lt;/strong&gt;：展示物件間的時間順序互動&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;協作圖（Collaboration Diagram）&lt;/strong&gt;：展示物件間的協作關係&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;時序圖（Timing Diagram）&lt;/strong&gt;：展示物件在時間軸上的狀態變化&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;h2 id=&#34;類別圖關係詳解&#34;&gt;類別圖關係詳解&lt;/h2&gt;&#xA;&lt;h3 id=&#34;1-依賴關係dependency&#34;&gt;1. 依賴關係（Dependency）&lt;/h3&gt;&#xA;&lt;p&gt;&lt;strong&gt;符號：&lt;/strong&gt; 虛線箭頭 &lt;code&gt;A -----&amp;gt; B&lt;/code&gt;&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;意義：&lt;/strong&gt; A 類別使用 B 類別，通常是臨時性的使用關係，如方法參數、局部變數或靜態方法調用。&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;Java 實現範例：&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt; 1&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 2&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 3&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 4&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 5&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 6&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 7&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 8&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 9&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;10&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;11&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;12&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;13&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;14&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;15&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;16&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;17&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;18&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;19&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;20&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;21&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;22&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;23&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;24&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;25&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;26&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;27&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;28&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;29&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;30&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;31&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;32&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;33&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;34&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;35&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;36&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;37&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;38&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;39&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;40&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;41&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;42&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;43&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-java&#34; data-lang=&#34;java&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;c1&#34;&gt;// 依賴關係示例&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;class&lt;/span&gt; &lt;span class=&#34;nc&#34;&gt;OrderService&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 方法參數依賴&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;processOrder&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Order&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;,&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;PaymentProcessor&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;processor&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// OrderService 依賴 PaymentProcessor&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;processor&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;processPayment&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;getAmount&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;());&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 靜態方法依賴&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;validateOrder&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Order&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// OrderService 依賴 OrderValidator&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;if&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;!&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;OrderValidator&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;validate&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;))&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;            &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;throw&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;new&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;ValidationException&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;s&#34;&gt;&amp;#34;無效的訂單&amp;#34;&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 局部變數依賴&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;sendNotification&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Order&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// OrderService 依賴 EmailService&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;EmailService&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;emailService&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;new&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;EmailService&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;();&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;emailService&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;sendOrderConfirmation&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;);&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;c1&#34;&gt;// 被依賴的類&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;class&lt;/span&gt; &lt;span class=&#34;nc&#34;&gt;PaymentProcessor&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;processPayment&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;BigDecimal&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;amount&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 處理付款邏輯&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;class&lt;/span&gt; &lt;span class=&#34;nc&#34;&gt;OrderValidator&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;static&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;boolean&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;validate&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Order&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;k&#34;&gt;return&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;!=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kc&#34;&gt;null&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;&amp;amp;&amp;amp;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;na&#34;&gt;getAmount&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;()&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;o&#34;&gt;!=&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kc&#34;&gt;null&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;;&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;class&lt;/span&gt; &lt;span class=&#34;nc&#34;&gt;EmailService&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;kd&#34;&gt;public&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;kt&#34;&gt;void&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;nf&#34;&gt;sendOrderConfirmation&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;(&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Order&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;n&#34;&gt;order&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;)&lt;/span&gt;&lt;span class=&#34;w&#34;&gt; &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;{&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;        &lt;/span&gt;&lt;span class=&#34;c1&#34;&gt;// 發送確認郵件&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;w&#34;&gt;    &lt;/span&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;}&lt;/span&gt;&lt;span class=&#34;w&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;h3 id=&#34;2-關聯關係association&#34;&gt;2. 關聯關係（Association）&lt;/h3&gt;&#xA;&lt;p&gt;&lt;strong&gt;符號：&lt;/strong&gt; 實線箭頭 &lt;code&gt;A -----&amp;gt; B&lt;/code&gt;&lt;/p&gt;</description>
			</item>
	</channel>
</rss>
