知识库索引

提示

以后端工程师全栈技术栈为骨架，覆盖编程语言、框架、数据库、架构、基础设施、效率工具六大领域。笔记遵循"为什么→是什么→怎么做"原则，不是 API 搬运，是理解后的重新表达。

代码与语言层

编程语言是一切的起点。Java 以强类型和庞大生态主导企业级开发，从 JVM 的内存模型到并发编程的线程安全，每一层都有值得深入的机制。Python 以简洁语法和丰富库生态，在脚本自动化和 AI 领域占据不可替代的位置。JavaScript 是浏览器原生脚本语言，配合 Node.js 运行时以事件循环异步模型，在服务端和工具链场景开辟了第三条路。

AI 领域正从工具层向基础设施层渗透。大语言模型（LLM）是当前 AI 应用的核心引擎，Transformer 架构和 RLHF 对齐技术定义了能力边界。MCP协议为 AI 智能体提供标准化工具调用接口，解决 M×N 集成复杂度。记忆架构按 L0-L3 分层组织跨会话记忆，让 AI 记住偏好与项目上下文。Claude Code 是 AI 辅助编程的实践工具，氛围编程代表新开发范式——用自然语言驱动代码生成，模糊"写代码"和"描述需求"的界限。

框架与中间件层

后端框架围绕 Spring 生态展开。Spring Framework 提供 IoC 和 AOP 基础能力，Spring Boot 实现自动配置和快速启动，Spring Cloud 将单体扩展到微服务——服务发现（Eureka、Nacos）、配置管理（Config、Apollo）、流量治理（Sentinel、Hystrix）、分布式事务（Seata）各司其职。消息队列（Kafka、RabbitMQ）处理异步通信和削峰填谷，网络编程从 IO 模型到 Netty 构建高性能通信底层。

数据层

数据库是数据持久化的核心。MySQL 从索引设计、事务隔离到日志机制，每个细节影响线上性能；Redis 的内存数据结构使其成为缓存和分布式锁首选；MongoDB 和 Elasticsearch 分别在文档存储和全文检索提供差异化能力。选型本质是选择数据模型和访问模式。

架构层

架构设计关注系统层面的设计决策。设计模式提供可复用方案模板，分布式系统处理跨节点一致性难题，服务治理和流量治理分别解决"找到服务"和"保护服务"。当系统走向云原生，容器化和服务网格引入新维度。可观测通过指标、日志、链路追踪让系统内部状态可见。

基础设施层

基础设施是技术栈底座。Docker 实现应用打包和隔离，Kubernetes 提供编排和调度，两者构成云原生运行时。Linux 是服务器操作系统基石，Nginx 承担反向代理和负载均衡，网络从 TCP/IP 到 HTTP/3 定义数据传输规则。

工具层

效率工具提升日常开发效率。版本控制是 Git 工作流核心，分支策略和协作流程直接影响团队效率；Markdown 和 Mermaid 让技术文档和流程图编写轻量化。

计算机科学基础

计算机科学是技术根基。算法与数据结构不只在面试中有用——数据库索引设计、缓存淘汰策略、负载均衡算法中无处不在；操作系统与计算机组成原理解释了性能差异的物理来源；编译原理揭示了语言特性背后的实现机制。理解基础，才能在不同技术栈间建立直觉联系。