bp-distributed-systems

name	bp-distributed-systems
description	提供分布式系统设计 best practices（对应常见 fallacies）及各 SDLC 阶段 checklist。当需求涉及网络通信、多节点协调、数据一致性、故障恢复时使用。

分布式系统设计原则

触发条件：需求涉及以下任一场景时应加载此 skill：

• 网络通信（RPC、HTTP、消息队列）
• 多节点协调（集群、主从、分片）
• 数据一致性（事务、复制、同步）
• 故障恢复（重试、failover、降级）

---

13 条 Best Practices

每条对应一个常见 Fallacy（错误假设）。

#	Fallacy	现实	Best Practice	关键设计要点
BP-1	网络可靠	会丢包、延迟、断连	假设网络会失败	超时、重试(指数退避)、幂等、断路器
BP-2	延迟为零	受距离/拥塞/处理影响	延迟是核心考量	异步优于同步、批量、本地缓存、预取
BP-3	带宽无限	高峰期是稀缺资源	最小化传输量	压缩、只传必要字段、分页/流式、优先级队列
BP-4	网络安全	可被窃听/篡改/攻击	零信任架构	TLS加密、认证授权、输入验证、审计日志
BP-5	拓扑不变	节点会增减/故障/迁移	适应动态拓扑	服务发现、负载均衡、健康检查、优雅上下线
BP-6	单管理员	跨多个管理边界	多管理域协调	接口契约、版本兼容、跨团队沟通、统一监控
BP-7	传输免费	消耗带宽/CPU/电力	优化传输路径	数据本地性、减少跨AZ调用、批量合并、增量同步
BP-8	网络同构	不同厂商/配置/性能	兼容异构环境	不依赖特定网络特性、协议协商、适配不同MTU
BP-9	系统单体	多个独立组件构成	显式管理交互	组件边界、清晰接口、依赖管理、部分失败
BP-10	完全可观测	状态难以完整获取	主动设计可观测性	结构化日志、分布式追踪、指标埋点、健康检查
BP-11	永远在线	维护/故障/网络都会停机	高可用架构	冗余部署、自动failover、优雅降级、灾备
BP-12	单一根因	多个关联因素	多维度故障分析	关联分析、保留上下文、时间线重建、故障注入
BP-13	故障罕见	规模化后是常态	为故障而设计	故障隔离(blast radius)、自动恢复、混沌工程

---

SDLC 各阶段 Checklist

需求澄清

BP	问题
1	网络调用失败时的预期行为？重试策略？
2	可接受的延迟上限？是否需要异步？
4	安全要求？认证/授权/加密？
10	需要哪些监控指标？告警阈值？
11	SLA 要求？故障时的降级策略？

系统设计

BP	检查项
1	所有 RPC 都有超时和重试？
2	热路径是否考虑了缓存/异步？
5	节点增减时系统如何适应？
9	组件边界和接口是否清晰？
11	单点故障有冗余？

编码

BP	检查项
1	网络调用有 timeout？重试幂等安全？
4	敏感数据加密？
10	关键路径有日志/metrics？
12	错误日志包含足够上下文？

测试

BP	测试场景
1	网络超时/断连
2	高延迟（注入延迟）
5	节点上下线
11	依赖服务不可用
13	故障恢复

Code Review

BP	关注点
1	网络调用有防护？
3	大数据传输分批？
4	有安全漏洞？
10	可观测性充分？

故障排查

BP	排查方向
1	网络抖动/超时？
2	延迟突增？
5	拓扑变更（节点上下线）？
12	多个关联因素？
13	已知的常见故障模式？