这份 分布式系统知识体系 面向后端学习、系统设计和面试复习，按“理论基础 -> 通信调用 -> 服务治理 -> 一致性与协调 -> 工程实践”的顺序整理本站分布式相关文章。

准备分布式系统面试，最容易踩的坑是把知识点背成一堆孤立概念：CAP 是一个点、RPC 是一个点、分布式锁是一个点、分布式事务又是一个点。

真正到面试里，面试官更关心的是：你能不能把这些技术放回真实系统里，讲清楚它们解决什么问题、带来什么代价、适合什么场景。

这篇文章是 JavaGuide 分布式系统内容的面试复习导航，不会重复搬运所有答案，而是帮你把分布式相关文章串起来，按面试准备顺序建立一条清晰路径。

分布式面试先抓主线

分布式系统面试通常围绕 4 条主线展开：

1. 一致性与可用性的权衡：CAP、BASE、最终一致性、共识算法。
2. 跨节点通信与治理：RPC、注册发现、API 网关、配置中心。
3. 分布式数据一致性问题：分布式 ID、分布式锁、分布式事务。
4. 典型中间件与落地场景：ZooKeeper、Dubbo、Spring Cloud Gateway 等。

这份 高可用系统知识体系 面向后端学习、系统设计和面试复习，围绕“减少故障、隔离故障、快速恢复、降低重复请求和异常流量影响”整理本站高可用相关文章。

高可用系统面试考的不是“系统永远不出问题”，而是你是否理解：故障一定会发生，关键是系统能不能限制故障范围、快速恢复，并避免把小故障放大成全站事故。

这篇文章把 JavaGuide 现有高可用相关文章串成一条面试复习路线，适合准备后端开发、系统设计和中高级岗位面试。

高可用面试先建立故障视角

高可用设计可以从 5 个问题开始拆：

1. 请求太多怎么办？ 限流、排队、削峰。
2. 下游变慢怎么办？ 超时、重试、熔断、隔离。
3. 核心服务挂了怎么办？ 降级、冗余、故障转移。
4. 重复请求怎么办？ 幂等、防重、状态机。
5. 上线前怎么证明系统扛得住？ 压测、监控、演练、容量评估。

什么是高可用？可用性的判断标准是啥？

高可用（High Availability，简称 HA） 是指系统在绝大部分时间内能够持续提供正常服务的能力。高可用代表系统即使在发生硬件故障或者系统升级的时候，服务仍然是可用的。

一般情况下，我们使用 多少个 9 来评判一个系统的可用性，比如 99.9999% 就是代表该系统在所有的运行时间中只有 0.0001% 的时间是不可用的，这样的系统就是非常非常高可用的了！可用性较差的系统可能连 90%（1 个 9）都达不到。

可用性等级	可用性百分比	年度停机时间	典型场景
1 个 9	90%	36.5 天	个人博客
2 个 9	99%	3.65 天	普通企业系统
3 个 9	99.9%	8.76 小时	在线服务
4 个 9	99.99%	52.6 分钟	金融交易系统
5 个 9	99.999%	5.26 分钟	电信级系统

这部分内容摘自 JavaGuide 下面几篇文章的重点：

高可用设计：

• 高可用系统设计指南
• 冗余设计详解
• 性能测试入门

这份 高性能系统知识体系 面向后端学习、系统设计和面试复习，围绕“减少延迟、提升吞吐、削峰填谷、降低数据库压力、优化数据访问路径”整理本站高性能相关文章。

高性能系统面试不是问你会不会背几个优化手段，而是看你能不能把请求链路拆开：用户请求进来后，哪里可能慢，哪里可能扛不住，哪里需要削峰，哪里需要减少数据库压力，哪里需要用监控和压测验证效果。

这篇文章把 JavaGuide 现有高性能相关文章串成一条面试复习路线，适合准备后端开发、系统设计和架构设计相关面试。

高性能系统设计面试怎么准备？

高性能问题通常可以按请求链路拆成 4 层：

1. 入口层：CDN、负载均衡、网关。
2. 应用层：限流、异步化、线程池、批处理。
3. 数据层：索引、SQL 优化、读写分离、分库分表、冷热分离。
4. 削峰层：消息队列、延迟处理、重试和补偿。

这部分内容摘自 JavaGuide 下面几篇文章的重点：

高性能基础：

• CDN 工作原理详解
• 负载均衡原理及算法详解

这份 系统设计知识体系 面向后端学习、工程实践和面试复习，围绕“把业务需求拆成稳定、可维护、可扩展的工程方案”整理本站系统设计相关文章。