Raft共识算法的工程实践：从理论到分布式系统深度实现
深入剖析Raft共识算法的设计哲学与工程实践：从Leader Election到Log Replication，覆盖PreVote、ReadIndex、Joint Consensus、Multi-Raft等关键优化，详解etcd raft library实现，揭示生产环境中的核心挑战与最佳实践。
分布式系统
分布式共识算法Raft深度实战：从Leader选举到日志复制的一致性协议工程实现
深入解析Raft分布式共识算法的核心原理与工程实现，涵盖Leader选举机制、日志复制流程、集群成员变更的联合共识算法，以及etcd源码中的关键优化技术（Pre-Vote、Learner节点、快照压缩、线性一致读）。从理论到实战，全面掌握分布式一致性的基石。
从零构建分布式KV存储引擎 MiniKV：LSM-Tree、Raft 与并发 B+ 树的工程实践
用 Go 从零实现一个生产级分布式KV存储引擎 MiniKV，深入剖析 LSM-Tree、Raft 共识、Skip List、WAL、SSTable、Bloom Filter、Compaction 等核心数据结构
Raft共识算法深度实战：从Leader选举到分布式一致性工程实践
深入剖析Raft算法的设计哲学、核心机制与工程实战，涵盖Leader选举、日志复制、安全性保证、成员变更与性能优化，帮助你从零理解到生产落地。
Raft一致性算法深度实战：构建可靠的分布式系统
Raft一致性算法深度解析，涵盖Leader选举、日志复制、安全性保证三大核心机制，以及集群成员变更、性能优化实践，附分布式键值存储实战案例。
RoCE v2 拥塞控制深度剖析：DCQCN、ETS、PFC 联动调优 AI 分布式训练网络
深度解析 RoCE v2 拥塞控制完整体系：从 PFC 反压到 ECN 标记，再到 DCQCN 硬件速率调节，以及如何联合调优适配 AI 训练流量特征。涵盖 Incast 分析、交换机阈值公式、DCQCN 参数实战、TIMELY/HPCC 演进路线。
Linux systemd 在 AI 推理集群中的服务管理、资源精细化控制与 cgroup v2 集成工程实战
从AI推理集群的工程需求出发，深入剖析systemd如何通过cgroup v2控制器、套接字激活、看门狗机制和实时调度策略，为推理服务提供生产级的可靠性保证。包含Noisy Neighbor排查、GPU Hang检测、OOM循环重启防护等实战案例。
AI 加速器内存管理单元深度实战：IOMMU、SMMU、ATS 在生产集群中的工程实践
深入解析 AI 基础设施中 IOMMU 的工作原理与工程实践，覆盖 Intel VT-d、ARM SMMUv3、ATS/PRI 协议、虚拟化场景下的 VFIO 集成，并提供生产集群的性能调优与故障排查实战经验。
从零构建分布式缓存 MiniCache：Rendezvous Hashing 集群、Gossip 协议与 YCSB 吞吐量追平的工程实践
用 Go 从零实现生产级分布式缓存 MiniCache，深入剖析 Rendezvous Hashing 一致性哈希、SWIM 故障检测、Generational LRU 分代淘汰、Singleflight 击穿防护、TinyLFU 热点本地缓存，YCSC 基准测试吞吐量追平 Memcached 与 Redis Cluster
缓存一致性协议深度工程实战：MESI/MOESI 硬件实现、内存屏障原语与零成本抽象的生产实践
从硬件缓存一致性协议（MESI/MOESI/MESIF）的状态机转换入手，深入剖析 x86-TSO 与 ARM 弱内存模型的差异，结合 Linux 内核、Rust 原子操作与 CXL 互联协议，揭示内存屏障在生产环境中的工程实践与性能优化技巧。
GPUDirect RDMA：AI 推理集群零拷贝网络传输的工程实践
深入解析 GPUDirect RDMA 架构原理与 AI 推理集群工程实践，涵盖内核驱动实现、CUDA API 集成、NCCL RDMA 通道建立、性能调优与生产级容错设计
分布式缓存架构实战：Redis Cluster集群部署/缓存一致性协议/穿透&击穿&雪崩全链路防护
全面解析分布式缓存架构设计与实战，涵盖Redis Cluster集群部署、哈希槽分片机制、四种缓存更新策略深度对比、基于Canal的binlog订阅实现最终一致性，以及缓存穿透/击穿/雪崩三大问题的全链路防护方案（缓存空值+布隆过滤器+互斥锁+逻辑过期+TTL随机偏移+多级缓存+熔断降级）。
分布式ID生成算法深度剖析与Go工程实现
全面剖析UUID、数据库号段模式、Snowflake算法和美团Leaf方案，包含完整Go代码实现和性能对比选型建议
大模型分布式训练并行与显存工程实战：从 ZeRO 分片、FSDP 扁平参数到激活重计算与通信重叠全链路
沿真实工程决策链拆解大模型分布式训练：先算清混合精度 AdamW 的 16 字节/参数显存账本，再区分 DP/TP/PP 三种并行各自解决的维度，深入 ZeRO 三级分片与 FSDP FlatParameter 编排（含 70B 在 64 卡上的单卡显存实测表），给出选择性激活重计算的算力-显存兑换率与 use_reentrant 陷阱，最后落到 prefetch、bucket 与梯度累积 no_sync 的通信-计算重叠实战。
