● 推荐系统设计与后端工程学习资源 ByteByteGo

📌 一句话摘要 强烈推荐 Alex Xu 团队的 ByteByteGo Substack，它以高质量图解方式讲解系统设计、分布式架构等后端核心知识。 📝 详细摘要 本条推文推荐了由 Alex Xu 团队运营的 ByteByteGo Substack 通讯。推文称赞其用图解方式将复杂的系统架构讲得

● 大规模替换数据库序列，保障百余个服务平稳运行

📌 一句话摘要 本文分享了 Coupang 在从关系型数据库迁移到 NoSQL 过程中，为替换原生数据库序列功能，基于 DynamoDB 和双层缓存架构构建高可用、低延迟序列服务的完整设计思路与实践经验。 📝 详细摘要 文章详细介绍了 Coupang 在淘汰遗留数据库、转向云原生基础设施时，如何

● 延迟：向零进发的竞赛……我们到了吗？

📌 一句话摘要 本文探讨了低延迟系统的演进与技术策略，从历史先例到 LMAX Disruptor、Aeron 等现代软件架构，以及基于定序器（Sequencer）设计的未来方向。 📝 详细摘要 金融科技行业资深人士 Amir Langer 对“零延迟竞赛”进行了全面概述。他追溯了从罗马帝国到电报

● Uber 的 Hive Federation 实现 1.6 万个数据集与 10 PB 以上数据的去中心化，支持大规模零停机分析

📌 一句话摘要 Uber 将其 Hive 数据仓库重构为联邦架构，通过去中心化管理 1.6 万个数据集和 10 PB 数据，消除了单体架构瓶颈并确保了迁移过程中的零停机。 📝 详细摘要 Uber 已从单体 Hive 实例转型为去中心化的联邦架构，以管理超过 10 PB 的数据。此举解决了级联故障

● Matei Zaharia 荣获 2025 年度 ACM 计算奖

📌 一句话摘要 BAIR 教授、Spark 联合创始人 Matei Zaharia 因其在分布式数据系统和 AI 基础设施方面的卓越贡献，荣获 2025 年 ACM 计算奖。 📝 详细摘要 伯克利人工智能研究中心（BAIR）宣布，其教职人员 Matei Zaharia 获得了享誉盛名的 2025

● Jeff Dean 祝贺 Matei Zaharia 荣获 ACM 计算奖

📌 一句话摘要 Google 首席科学家 Jeff Dean 祝贺 Matei Zaharia 因在分布式数据系统领域的卓越贡献获得 2025 年 ACM 计算奖。 📝 详细摘要 Google DeepMind 首席科学家 Jeff Dean 公开祝贺 Matei Zaharia（Apache

● Local-first：如何构建在公司被收购后依然能用的软件

📌 一句话摘要 本文探讨了“Local-first”（本地优先）软件范式，提倡利用 Automerge 等通用同步基础设施来构建协作应用，从而优先保障用户自主权、离线能力和数据的长期持久性。 📝 详细摘要 来自 Ink & Switch 的 Alex Good 讨论了现代云端协作软件的脆弱性——

● 在不破坏 100 多个服务的前提下，大规模替换数据库序列

📌 一句话摘要 Coupang 成功地用一套高可用的两层缓存分布式系统替换了遗留的数据库序列，该系统每秒处理 5 万次以上的请求，同时将数据库负载降至最低，并实现了完全的向后兼容。 📝 详细摘要 本文详细介绍了 Coupang 将 100 多个服务从关系型数据库迁移到 NoSQL 的工程历程，同

● 深入了解 Netflix 的图抽象层：在全球范围内以毫秒级延迟处理 650TB 图数据

📌 一句话摘要 Netflix 的图抽象层是一个构建在现有数据层之上的高吞吐、低延迟系统，用于管理 650TB 的全球图数据，以支持社交和运营用例。 📝 详细摘要 Netflix 的工程师开发了一个专门的图抽象层，旨在以毫秒级延迟管理海量图数据（650TB）。Netflix 没有部署独立的图数据

● 为什么元数据是 S3/GCP/Azure 级存储中真正的瓶颈，以及缓存如何解决这一问题

📌 一句话摘要 本文深入探讨了大规模对象存储中管理元数据的架构策略，重点介绍了分层缓存、负缓存和一致性管理，旨在缓解瓶颈并保护系统免受流量激增和恶意攻击的影响。 📝 详细摘要 本文探讨了元数据在对象存储系统（如 S3、GCP 和 Azure）中的关键作用，指出元数据查找是互联网规模下的主要瓶颈。

● 社交图谱即基础设施：分布式存储的人类学论证

📌 一句话摘要 本文批判了当前去中心化社交协议对服务器的依赖，并提出了“Gozzip”——一种利用人类学洞察（特别是邓巴数和社会互惠性）的新型架构，旨在将社交图谱本身作为承载数据的存储层。 📝 详细摘要 本文对 Nostr、Mastodon 和 Bluesky 等现有去中心化社交协议进行了深刻的

● 将分布式系统理论应用于多智能体 LLM 团队

📌 一句话摘要 一篇研究论文探讨了如何将 LLM 智能体团队视为分布式系统，以解决其协调和通信瓶颈。 📝 详细摘要 这条推文重点介绍了一篇重要的研究论文，该论文将经典的分布式系统理论应用于多智能体 LLM 系统的设计。它指出，现代 AI 智能体团队面临着与几十年前分布式计算中同样的 O(n²)

● 智能体 AI：日益成为后端工程挑战

📌 一句话摘要 swyx 再次强调，智能体 AI 本质上是一个后端工程挑战，主要涉及分布式系统和数据管道。 📝 详细摘要 在这条推文中，swyx 引用并认同了一个观点：智能体 AI 在经过规模化和抽象化之后，更多地成为一门后端工程学科，而非纯粹的 AI 学科。推文内容强调，构建健壮的 AI 智能