高併發快取與訊息中介軟體
本系列依難度與架構脈絡由淺入深編排，建議依章節序號循序閱讀。
Redis 核心架構與單執行緒反應器模式：aeEventLoop、極致記憶體資料結構與多執行緒 I/O 演進
深入剖析高效能記憶體資料庫 Redis 的底層核心架構：為什麼 Redis 選擇單執行緒？aeEventLoop 反應器模式 (Reactor)、五大核心資料結構底層實作（SDS、Dict 漸進式 Rehash、ZipList/ListPack、SkipList 跳躍表）與 Redis 6.0+ 多執行緒網路 I/O 演進。
記憶體快取淘汰演算法深度對決：LRU vs. LFU vs. ARC vs. W-TinyLFU 底層機制與命中率極限
深入剖析高效能快取淘汰演算法底層原理：LRU 雙向鏈表與突發掃描污染 (Scan Resistance Failure)、LFU 頻率桶與歷史過期污染、IBM 自適應替換快取 (ARC) 動態平衡、Caffeine 快取核心 Window TinyLFU (W-TinyLFU) 準入機制、Count-Min Sketch 空間壓縮與衰減演算法。
分散式快取叢集架構：Redis Cluster vs. Twemproxy vs. Codis 深度對比與 16384 虛擬槽分片機制
全面剖析大規模 Redis 分散式快取叢集架構演進：客戶端分片 vs. 代理層分片 (Twemproxy / Codis) vs. 伺服器端原生分片 (Redis Cluster)、16384 虛擬雜湊槽 (Hash Slots) 與 CRC16、Gossip 節點協定、MOVED 與 ASK 重定向機制、主從自動切換與選舉機制。
五大分散式快取讀寫模式：Cache-Aside、Read-Through、Write-Through、Write-Behind 與延遲雙刪實戰
深入剖析現代分散式快取架構的五大讀寫模式：Cache-Aside、Read-Through、Write-Through、Write-Behind（非同步批量回寫）與 Refresh-Ahead、快取與資料庫雙寫一致性難題、延遲雙刪（Delayed Double Deletion）與 Binlog CDC 非同步淘汰最佳實踐。
分散式快取失效三大災難：快取穿透、快取擊穿與快取雪崩底層防禦實戰
全面拆解大規模分散式快取系統的核心風險：快取穿透 (Cache Penetration) 與布隆過濾器 (Bloom Filter)、快取擊穿 (Cache Breakdown) 與互斥鎖/邏輯過期機制、快取雪崩 (Cache Avalanche) 與隨機 Jitter 過期加權、多級快取 (L1/L2) 與熔斷降級全鏈路架構。
為什麼 Kafka 既快又不會丟失訊息？Zero-Copy 與 ISR 複寫的底層機制
從作業系統 Page Cache、Zero-Copy DMA 系統呼叫、順序 I/O，到 Producer 冪等性、min.insync.replicas 與消費者手動 Offset 提交，全面拆解 Apache Kafka 百萬吞吐與零丟失保障的工程底層。
主流消息隊列技術選型：Kafka vs. RabbitMQ vs. RocketMQ vs. AWS SQS 全景架構對決
深入剖析現代分散式消息隊列核心架構：AMQP 協定（Smart Broker / Dumb Consumer）vs. 分布式提交日誌（Dumb Broker / Smart Consumer）、次毫秒延遲 vs. 百萬級吞吐量權衡、延時隊列、死信隊列（DLQ）與 RocketMQ 半消息事務。
分散式訊息佇列的四種模式：FIFO 順序佇列、優先權佇列、時間輪延遲佇列與死信佇列 (DLQ)
拆解分散式系統的四種訊息佇列模式：全域嚴格 FIFO vs. 分區並行順序佇列、優先權佇列 (Priority Queue) 與飢餓防禦、時間輪 (TimingWheel) 與 Redis ZSet 延遲佇列底層架構、毒丸訊息 (Poison Pill) 與死信佇列 (DLQ) 自動化重試重播管線。
全球分散式定時任務調度系統：分級時間輪（Hierarchical Timing Wheel）與分散式協調實戰
深入解析千萬級延時任務架構：從單層時間輪 Round 遍歷退化，到 Kafka / Netty 分級時間輪（時/分/秒）O(1) 級聯降級演進，再到全球分散式調度中心選主、分區雜湊槽分發與 CAS 狀態機防重實戰。
LMCache 的遠端風險，藏在快取程序之間的信任邊界
CVE-2026-105192 涉及 LMCache multiprocess 的 ZeroMQ 與 pickle 解碼路徑。分清部署模式、HTTP 與快取傳輸端點，再用連線來源、程序權限與版本證據驗收暫時隔離措施。