高并发问题的处理思路：架构师的权衡之道
高并发系统的设计本质上是一场资源与需求之间的博弈。当系统面临流量洪峰时,我们需要的不是单一的技术方案,而是一套系统性的思维框架。这个框架的核心可以概括为一句话:分层加缓存。但这句话背后,隐藏着无数需要权衡的技术决策。
图解 Golang 反射机制：从底层原理看动态类型的秘密
百万并发抽奖实现：从 SQL-only 到 Redis + Lua 的抽奖优化实战
百万并发抽奖基础版本实现-rust+postgresql
今天是第三天实验这个百万并发抽奖实现。
纯postgresql+rust实现结果：
这次压测的吞吐量约为 3951 QPS（10000 次请求在 2.53s 内完成 = 3951.68 QPS）。延迟分位说明：P50≈63.5ms、P95≈71.3ms、P99≈78.0ms，平均≈
63.9ms，代表单次抽奖接口的响应时延分布。若要更接近真实上限，建议服务和压测都用 release 模式并关闭调试日志后再测。
TypeScript 泛型终极指南：从懵圈到精通-（AI教我学编程）
百万并发抽奖系统细节讨论
今天是第二天和 AI 聊抽奖系统。
主要集中下面几个话题：
- 具体的概率算法实现方式（权重法 vs 区间法）
- 前端转盘的动画实现方案（CSS动画 vs Canvas）
- 管理后台免登录实现
- 错误码和异常处理规范
- 是否需要连接池监控和慢查询日志
编码只应该占据项目时间的20%,也就是有了ai, 你也应该和ai讨论各种细节。最后再让ai写代码，这样写出来的才是符合你预期的代码。