计算机通用问题：对话式深研教程
一本讲”计算机领域反复出现的那批难题”的书。 每个主题回答四件事：问题的本质是什么、最早的人怎么解、后来怎么一步步改良、以及——当年是谁、怎么把这个问题的突破口找到的。 目标不是记住一堆方案，而是长出一双”看见问题结构”的眼睛：遇到一个从没见过的系统难题，你能立刻判断它属于哪一类、约束在哪、代价是什么。
先说清楚：这本书和”技术选型手册”的区别
市面上的技术书，大多按技术组织：讲 Redis、讲 Kafka、讲 Kubernetes、讲 MySQL。你学完知道”这个东西怎么用”，但换个没见过的新系统，还是抓瞎。
这本书按问题组织。因为我们发现了一个事实：
计算机领域真正难的问题，数量不多，而且反复出现。 缓存失效、一致性、分片不均、失败检测、资源争抢、复杂度失控……这些问题在操作系统、数据库、分布式系统、编译器、网络协议里，一遍又一遍地出现，只是换了个皮。
一旦你认出”这其实是 XX 问题的变体”，你的学习速度会有数量级的提升——因为你知道该去哪个方向找答案，知道哪些方案必然要付什么代价，知道别人踩过的坑长什么样。
所以这本书的每个主题，都在做同一件事：把一个具体的麻烦，抽象成一个可迁移的问题结构。
全书地图：一个问题金字塔
27 个主题不是平铺的，它们围着一个根本矛盾转：资源有限，而需求无限。围绕这个矛盾，全书分成六层。
┌─────────────────────────┐
│ 第六篇 元能力（顶层） │
│ 定义问题 / 找瓶颈 / 思维模型 │
│ 决定你能不能"看见"问题 │
└───────────┬─────────────┘
│ 贯穿
┌────────────────────────────┼────────────────────────────┐
│ 第四篇 复杂度管理（横向） │
│ 抽象分层 · 模块化 · 命名 · 状态 · 并发 │
│ 让复杂系统还能被人脑驾驭 │
└────────────────────────────────────────────────────────┘
│ 承载
┌────────────────────────────┼────────────────────────────┐
│ 第三篇 不确定性（上层） │
│ 失败检测 · 共识 · 隔离降级 · 可观测 · 事务 │
│ 工具在真实世界会坏，这是补丁 │
└────────────────────────────────────────────────────────┘
│ 依赖
┌────────────────────────────┼────────────────────────────┐
│ 第二篇 规模武器库（中层） │
│ 分治 · 索引 · 缓存 · 复制 · 异步解耦 │
│ 为突破物理约束而造的工具 │
└────────────────────────────────────────────────────────┘
│ 受制于
┌────────────────────────────────────────────────────────┐
│ 第一篇 物理约束（底层） │
│ 时间vs空间 · 一致性vs性能 · 延迟vs吞吐 · 通用vs专用 · 精确vs近似 │
│ 这些是物理定律级别的权衡：无法消除，只能转移 │
└────────────────────────────────────────────────────────┘
第一篇 物理约束：无法消除的权衡
- 01 时间与空间 —— 所有优化的第一性权衡
- 02 一致性与性能 —— 为什么”强一致”和”快”天然打架
- 03 延迟与吞吐 —— 批处理、流水线、批大小的两难
- 04 通用与专用 —— 抽象的代价与定制的红利
- 05 精确与近似 —— 用一小点错误换几个数量级
第二篇 规模武器库
- 06 分而治之 —— 从归并排序到 MapReduce 到分片
- 07 索引与查找 —— B 树、哈希、倒排、LSM
- 08 缓存 —— 局部性、多级缓存、替换策略、一致性
- 09 复制与冗余 —— 主从、多副本、Quorum、纠删码
- 10 异步与解耦 —— 队列、消息、背压、削峰
第三篇 在不确定性中活下去
- 11 失败检测与容错 —— 超时、心跳、重试、幂等
- 12 共识 —— Paxos、Raft、两阶段提交
- 13 隔离与降级 —— 熔断、限流、舱壁、优雅降级
- 14 可观测性 —— 日志、指标、追踪、如何定位问题
- 15 事务与隔离级别 —— ACID、隔离级别、MVCC
第四篇 复杂度的管理
- 16 抽象与分层 —— 分层架构、接口、泄漏的抽象
- 17 模块化与解耦 —— 依赖倒置、事件驱动、耦合度
- 18 命名与寻址 —— ID、命名空间、DNS、服务发现
- 19 状态管理 —— 无状态化、状态机、事件溯源
- 20 并发与竞态 —— 锁、无锁、事务内存、死锁
第五篇 效率的追求
- 21 批处理与流式 —— Lambda 架构到流批一体
- 22 压缩与编码 —— 熵编码、字典编码、列式存储
- 23 调度与排队 —— 优先级、公平性、排队论
- 24 预取与预测 —— 分支预测、预读、投机执行
第六篇 元能力：怎么定义和突破问题
- 25 如何定义问题 —— 问题 framing、抽象层次、约束识别
- 26 如何找到瓶颈 —— Amdahl 定律、剖析、基准测试陷阱
- 27 思维模型 —— 第一性原理、量纲分析、反证、归纳
- 28 经典突破案例复盘 —— 突破口是怎么被找到的
主题之间的关联（这是全书的筋脉）
单看每个主题是孤立的点，连起来才是网。下面这几条关联线，是理解全书的关键——你会发现很多主题是”前一个方案解决了旧问题、却引出了新问题”的产物。
关联线一：缓存 → 一致性问题 → 共识 缓存（08）通过”复制一份数据到近处”换速度，但它立刻引出一个新问题：副本和原数据不一致了怎么办。这条线一路走下去，就是复制与冗余（09）、一致性与性能的权衡（02），最终逼出共识算法（12）。“缓存”是问题的起点，“共识”是这条因果链的终点。
关联线二：分而治之 → 分区 → 分布式事务/共识 分而治之（06）把大问题拆小，但拆开之后”各部分之间怎么协调”就成了新难题：分区之间要一致、要事务、要容错。这条线把 06、09、12、15 串在一起。分治不是为了省事，是把”单机内的简单问题”换成了”跨机的协调问题”——你用复杂度换了规模。
关联线三：异步解耦 → 背压 → 调度与排队 异步解耦（10）用队列削峰，但队列会堆积，堆积之后要么丢弃、要么阻塞——这就是背压。背压怎么设计，直接落到调度与排队（23）、隔离与降级（13）。异步不是”把问题藏起来”，是”把同步的阻塞换成了异步的排队”，排队本身依然是问题。
关联线四：抽象 → 泄漏的抽象 → 可观测性 抽象与分层（16）把复杂藏起来，但抽象会泄漏（你迟早要关心底下的细节），而”什么时候泄漏、泄漏在哪”，只有靠可观测性（14）才能发现。抽象让你看不见问题，可观测性让你重新看得见——两者是一对平衡。
关联线五：时间-空间权衡 → 贯穿全书 时间与空间的权衡（01）是最底层的一条线，它几乎贯穿了所有中上层主题：索引用空间换时间（07）、缓存用空间换时间（08）、压缩用时间换空间（22）、近似算法用精度换时空（05）、预取用预测换等待（24）。学会在第一性原理层面认出”这本质是时空权衡的变体”，你就有了穿透力。
关联线六：定义问题 → 决定一切 最后四篇（25-28）是元能力层。前面所有主题，都是”别人已经定义好的问题”；而真实工作里最难的，往往是问题还没被定义清楚——你不知道该优化什么、瓶颈在哪、甚至不知道自己面对的是不是真问题。这一层决定了你能不能把前五篇用起来。
阅读顺序建议
- 想建立完整认知：按顺序从 01 读到 28。底层约束 → 武器库 → 保障 → 复杂度 → 效率 → 元能力，这条线是因果递进的。
- 想先解决眼前的麻烦：直接跳到对应主题。每个主题自包含，跳读不会断。
- 想提升”定义问题”的能力：优先读第六篇（25-28），然后再回头看前五篇，会有完全不同的视角。
- 想理解”方案为什么会演进”：重点看每章的”演进脉络”小节，那部分专门讲”最早的方案长什么样、遇到了什么、后来怎么改的、为什么这么改”。
关于思考题
每章末尾的思考题不是测验，是学习材料。参考答案写在后面，但请务必先自己想清楚再对答案——尤其是那些”如果让你重新设计一次，你会怎么做”的开放题，它们没有标准答案，价值全在你自己想的过程里。
有一类题会反复出现：“为什么这个方案在当时是对的，后来却不够用了？” 这类题的答案是全书最值钱的部分——因为技术方案没有”对错”，只有”在什么约束下成立”。理解一个方案为什么曾经正确，比记住它现在的样子重要得多。
开卷吧。