假设你开发了一个类似淘宝的网站，用户点击一件商品：

用户点击查看商品详情：无线耳机的价格、商品 ID 与库存

1. 计算机网络：请求是怎么发送的？

当用户打开https://shop.example.com/products/1001会发生什么？

  1. DNS 查询：找到 shop.example.com 对应的服务器 IP 地址。
  2. 建立连接：对于常见的 HTTP/1.1、HTTP/2，使用 TCP 建立可靠连接，并通过 TLS 建立加密通信。
  3. 发送 HTTP 请求：浏览器向后端请求商品 ID 为 1001 的数据。
  4. 接收 HTTP 响应：服务器返回 JSON，浏览器将数据呈现为商品页面。

HTTP 请求可以长这样：

GET /products/1001 HTTP/1.1
Host: shop.example.com
Accept: application/json

服务器可能返回：

HTTP/1.1 200 OK
Content-Type: application/json

{
  "id": 1001,
  "name": "无线耳机",
  "price": 299,
  "stock": 50
}

这里要理解三个概念：

  • TCP：负责提供可靠、有序的数据传输。
  • HTTP：定义客户端与服务端如何表达请求和响应。
  • HTTPS：使用 TLS 保护 HTTP 通信内容。

HTTP 和 TCP 有什么区别？

TCP 解决数据如何可靠传输的问题，而 HTTP 规定应用程序如何组织和解释请求、响应。它们处在不同层次。需要注意，HTTP/3 使用的是基于 UDP 的 QUIC，而不是 TCP。

2. 数据库：商品信息从哪里来？

服务器接收到请求后，需要查询商品数据，这些信息通常保存在 MySQL 这样的关系型数据库中。

SELECT id, name, price, stock
FROM products
WHERE id = 1001;

数据库查到这条记录，再交给 Python 后端生成响应。

这里就引出了三个核心问题：

  1. 为什么要用数据库，而不是把数据存进 Python 变量？

    因为 Python 进程终止后，内存里的普通变量就没了。数据库提供持久化、查询、并发访问控制、事务等能力。

  2. 数据库为什么需要索引？

    你可以把索引想象成一本书的目录。如果表里有一百万条商品记录，没有合适索引时可能需要扫描大量数据；利用主键索引，就可以更高效地定位商品。

  3. 两个人同时购买最后一件商品怎么办？

    这涉及并发更新、事务和锁。不能简单地先查询库存，再直接减少，因为两个请求可能都看到库存为 1，最终发生超卖。

3. Redis：为什么有了 MySQL 还需要它？

设想一款爆火的耳机，有十万名用户在短时间内查看商品详情,如果每次都访问 MySQL，数据库可能承受很大的读取压力,于是我们引入 Redis。

最经典的 Cache Aside（旁路缓存） 模式

Redis 经常被用作缓存，是因为它主要在内存中操作数据，通常能够提供非常低的访问延迟。

假如商品价格从 299 元变成 199 元，而 Redis 中仍然是 299 元，该怎么办？

这就是缓存一致性问题。

常见策略包括在数据库更新后删除相关缓存、设置缓存过期时间（TTL）等，但要根据业务要求处理并发和更新顺序，这也说明 Redis 不只是背几个命令，还需要理解它为什么存在。

4. 消息队列：为什么不让 Python 一次做完全部工作？

现在用户购买了耳机，订单创建成功后，我们希望执行这些操作：

  1. 创建订单、更新库存。
  2. 发送订单通知。
  3. 更新运营统计。
  4. 给用户发送邮件。

其中第一项通常是关键业务，必须可靠完成，但发送邮件可能要等待外部服务，如果都放进一个 HTTP 请求里同步执行，用户就得等待这些操作全部结束，所以我们可以引入消息队列（Message Queue，简称 MQ）。

订单创建后通过消息队列处理异步任务

消息队列的三个经典作用：

  • 异步处理：将不必在当前请求中完成的工作交给后台。
  • 解耦：订单服务不需要直接管理邮件服务的执行过程。
  • 削峰填谷：突发大量任务时，消费者可以按处理能力逐渐消化队列中的积压任务。

但消息队列不是魔法，它还带来了新的问题：消息可能重复、消费者可能崩溃、消息可能丢失，因此需要确认机制、重试、幂等处理以及可靠的消息发布方案。

5. 分布式与高并发：一台服务器不够怎么办？

假设网站发展得很好，原来每秒只有 10 个请求，现在变成每秒 10,000 个，这里先区分两个容易混淆的概念。

  1. 高并发：大量请求在时间上重叠，需要系统同时处理。
  2. 分布式系统：多个独立的计算节点通过网络协作，对外提供服务。

它们有关联，但并不等价，单机也能支持很高的并发，分布式系统也不一定是为高并发设计的。

通过负载均衡将请求分配给多个后端服务实例

这样做可以提高处理能力与可用性，但也会出现新问题：

  • 同一用户的两个请求分别到达不同机器，如何共享状态？
  • 某台服务器宕机，如何把请求重新分配？
  • 所有服务器同时访问 MySQL，数据库会不会成为瓶颈？
  • 多个服务器同时扣减库存，如何避免超卖？