📚 课程目录第1章课程导论

1. 课程导论：Rate Limiting 与缓存一致性闭环的定义、核心挑战与课程目标

在分布式系统中，Rate Limiting（速率限制）与缓存一致性闭环看似分属流量治理与数据同步两个领域，但在高并发、高可用的工程落地中，二者形成了紧密的耦合关系。本节首先给出这两个概念在课程语境下的精确工程定义。

概念	工程定义	核心作用
Rate Limiting	对单位时间内请求、事件或操作次数进行精确控制，超过阈值时执行拒绝、排队或降级策略。	保护后端资源（缓存、数据库、微服务）不被突发流量冲垮，维持系统稳定性。
缓存一致性闭环	从数据写入（DB/源端）到缓存更新，再到后续读取验证，形成一条完整的“写-更新-读-校验”反馈链路，确保缓存与源端数据最终一致。	解决缓存与数据库之间的数据偏差，避免脏读、过期读等一致性问题。

  关键认知：Rate Limiting 不是缓存一致性的对立面，而是缓存一致性闭环中不可或缺的“安全阀门”。没有速率限制，缓存更新风暴会直接击穿闭环的稳定性。

一个标准的缓存一致性闭环包含四个阶段：写入触发 → 缓存失效/更新 → 读取修复 → 校验闭环。Rate Limiting 在每个阶段都可能介入。

将 Rate Limiting 嵌入缓存一致性闭环，面临三个层次的核心挑战：

挑战一：限流粒度与一致性粒度的错配
- 缓存一致性通常要求按 key 粒度保证顺序（同一个 key 的写-失效-读必须串行化）。
- 传统 Rate Limiting 按全局或用户粒度统计，无法感知 key 级别的依赖关系。
- 后果：限流可能打断同一个 key 的一致性闭环，导致脏数据长期存在。
挑战二：限流动作与缓存更新时序的冲突
- 当 Rate Limiting 触发拒绝或排队时，缓存失效消息可能被延迟或丢弃。
- 若读取请求绕过限流直接命中旧缓存，则出现“限流保护了后端，却牺牲了一致性”的困境。
挑战三：分布式环境下限流状态的全局一致性
- 多副本、多数据中心的缓存集群中，Rate Limiting 计数器本身需要跨节点同步。
- 若限流状态不一致，不同节点对同一个 key 可能做出不同的限流决策，破坏闭环的确定性。

工程警示：很多团队在初期只关注“限流保护缓存”或“缓存保证一致”中的单一目标，忽略了二者之间的交互陷阱。本课程的核心价值就在于揭示这些陷阱并提供可落地的工程方案。

本课程共 30 章，从理论到工程落地，覆盖以下四大模块：

模块	章节范围	核心产出
基础与原理	第 1-6 章	掌握 Rate Limiting 算法（令牌桶、漏桶、滑动窗口）与缓存一致性模型（Cache-Aside、Read-Through、Write-Through）的底层原理。
闭环设计与挑战	第 7-14 章	深入分析限流与缓存更新时序冲突、key 粒度限流设计、分布式限流状态同步等核心难题。
工程落地与代码实现	第 15-24 章	基于 Redis + Lua、Sentinel、Resilience4j 等组件，实现可生产部署的限流-缓存一致性闭环系统。
生产运维与调优	第 25-30 章	监控、告警、压测、混沌工程、容量规划，确保闭环系统在生产环境长期稳定运行。

学习建议：如果你是 SRE 或架构师，建议重点学习第 7-14 章的挑战分析和第 25-30 章的运维调优；如果你是开发工程师，建议从第 1 章开始系统学习，并动手完成第 15-24 章的代码实践。