时间空间复杂度入门
本文介绍时间与空间复杂度入门知识，用Big O表示法（如O(1)、O(n)、O(n²)）估算算法性能。复杂度关注最坏情况，越小越好。时间复杂度常由循环嵌套层数决定，空间复杂度看额外内存占用。结合多个代码示例，帮助初学者快速理解算法效率评估基础。
链表（链式存储）基本原理
链表是一种通过指针串联节点的线性结构，无需连续内存，支持高效增删。单链表仅有next指针，双链表增加prev指针以支持双向遍历。相比数组，链表插入删除灵活，无扩容负担，但不支持随机访问，查找需从头遍历。实际开发中常用双链表，配合虚拟头结点简化操作。
服务发现：到底是要 CP 还是 AP？
本文探讨RPC框架中服务发现的CP与AP选择问题。在超大规模集群下，基于ZooKeeper的强一致（CP）方案因性能瓶颈易导致宕机，而最终一致（AP）方案通过消息总线实现数据同步，兼顾性能与稳定性，更适用于高可用、低延迟的服务发现场景。
时间空间复杂度入门
本文介绍时间与空间复杂度入门知识，使用Big O表示法（如O(1)、O(n)、O(n²)），强调估算而非精确计算，保留最高次项。时间复杂度常由循环嵌套层数决定，空间复杂度看额外内存占用。分析以最坏情况为主，越小越好。结合多个代码示例，帮助初学者理解复杂度分析的基本方法与常见误区。
架构设计：设计一个灵活的 RPC 框架
本讲深入讲解如何设计一个灵活的 RPC 框架，从传输、协议、引导到服务发现与治理，构建四层架构体系，并引入插件化设计提升可扩展性，实现高内聚、低耦合、易维护的微内核架构，助力系统应对持续变化的业务需求。（238字）
熔断限流：业务如何实现自我保护?
本讲介绍RPC框架中业务的自我保护机制。面对高并发，服务端通过限流（如令牌桶、滑动窗口）防止过载，支持应用级、IP级配置，并可结合注册中心动态调整阈值；调用端则通过熔断机制避免因下游故障引发雪崩，熔断器在动态代理层拦截请求，实现快速失败与恢复，保障系统稳定性。
线性结构检索：从数组和链表的原理初窥检索本质
本节深入解析数组与链表的存储特性及其对检索效率的影响。数组支持随机访问，适合二分查找，检索效率为O(log n)；链表虽检索较慢，但插入删除高效，适用于频繁动态调整场景。通过改造链表结构，如结合数组提升检索性能，揭示了数据组织方式对检索的核心作用，帮助理解“快速缩小查询范围”这一检索本质。
健康检测：这个节点都挂了，为啥还要疯狂发请求？
本文探讨RPC框架中服务健康检测的挑战与优化。通过真实案例揭示：当节点网络异常、心跳间歇失败时，仅依赖心跳机制易导致“半死不活”节点持续接收请求。提出结合业务请求可用率（成功次数/总调用次数）动态评估节点状态，弥补传统心跳机制的不足，实现更精准的健康判断，提升系统稳定性与可用性。
03 | 哈希检索：如何根据用户 ID 快速查询用户信息？
本文介绍了哈希表的原理与实现。通过哈希函数将键转化为数组下标，利用数组随机访问特性实现O(1)查询。针对哈希冲突，讲解了开放寻址法（线性探查、二次探查、双散列）和链表法两种解决方案，并分析其优劣。最后指出哈希表的缺点：空间开销大、不支持有序操作。实际应用中常结合链表或红黑树优化性能。
