MVC 将应用拆分为模型、视图、控制器三层，降低耦合便于维护；DAO 层负责统一的数据访问，可使用 JDBC、Hibernate、MyBatis 等实现。Spring MVC 以 DispatcherServlet 为前端控制器，依据 HandlerMapping 找到处理器，再经 HandlerAdapter 调用，返回 ModelAndView，由 ViewResolver 解析视图并渲染，生成 HTML、JSON、图片等响应。常用注解包括 @RequestMapping（映射路径、方法、媒体类型等）、@RequestParam（绑定请求参数）、@RequestBody（读取请求体）、@PathVariable（绑定 URL 占位符）。拦截器实现 HandlerInterceptor，提供 preHandle、postHandle、afterCompletion 三阶段，可在 WebMvcConfigurer 中注册；对 Controller 使用拦截器，对所有请求使用 Filter，对 Bean 方法使用 Spring AOP 实现请求拦截。

MyBatis 为半自动 ORM，需手写 SQL，灵活但耦合度高；JPA 全自动，移植性好，日志更全。支持基本类型、Map、JavaBean；一对多使用 collection 通过嵌套查询或结果映射实现。# 预编译防注入，$ 直接拼接用于动态列。XML 通过 namespace 与 Mapper 接口绑定。分页插件开发快，手写 SQL 效率更高。缓存分为一级（SqlSession）和二级（全局）可配置。Cookie 存客户端、容量小且不安全；Session 存服务器、适合敏感数据。GET 参数在 URL、可缓存、非幂等；POST 放 body、无长度限制、非幂等。400 错误表示请求语义错误，乱码多因编码不一致。Spring Boot 用 ThreadPoolTaskScheduler 实现定时任务，日志可用 AOP 记录。JPA 为 O/R 映射标准，常用实现为 Hibernate。

Redis是一款基于内存的键值NoSQL数据库，常用于分布式缓存、热点数据存储、计数统计、分布式锁和消息队列等。它支持字符串、哈希、列表、集合、有序集合等核心数据结构，并提供Bitmap、HyperLogLog、Geo、Stream等扩展。单线程通过IO多路复用和内存操作实现高吞吐，持久化采用RDB、AOF及混合模式保障断电恢复。高可用方案有Sentinel和Cluster，主从同步使用PSYNC实现全量或增量复制。缓存淘汰策略包括LRU、LFU等，过期采用惰性和定期两种方式，解决穿透、击穿、雪崩等问题。

Redis Cluster 通过分片实现负载均衡，优势是突破单机内存、并发和流量瓶颈，劣势包括批量操作、事务、跨键分区受限，只支持单库且复制层级为一层。Hash 类型在键值对少且短时采用压缩列表（ziplist），否则使用字典（hashtable），并通过渐进式 REHASH 动态扩容/缩容。ZSet 同样在小规模时使用 ziplist，规模大时采用字典+跳表（skiplist）实现，提供 O(logN) 查找。利用 Redis 可将 Session 数据存储在共享缓存，实现跨节点的身份验证；通过 setnx/expire 或 SET NX PX 等原子命令配合超时与 Lua 脚本，可构建可靠的分布式锁。

MQ主要用于解耦、异步和削峰，通过生产者‑消费者模型实现。保证顺序消费需让同一业务键落在同一队列/分区；防止消息丢失则采用持久化、事务/confirm（RabbitMQ）或多副本、acks=all（Kafka）并在消费端手动 ack。避免重复消费靠业务幂等性、唯一 ID 或 offset 控制。失败消息可转入死信队列重试。推模式适合实时广播，拉模式适合按需获取。RabbitMQ侧重可靠性和实时性，Kafka侧重高吞吐和流式处理，两者在架构、确认机制、负载均衡等方面各有区别。

CAP原则指出分布式系统只能同时满足一致性、可用性、分区容错三者中的两项。高并发系统需在性能、可用、可扩展三目标下设计，指标包括响应时延、可用率、扩展率。采用纵向提升、横向无状态集群、分层分片；性能用缓存、分库分表、异步、限流等；可用性靠冗余、容错、熔断、灰度、监控；可扩展性强调分层业务拆分。分布式存储主流架构有HDFS、Ceph、Swift。分布式事务常用2PC和TCC实现跨节点原子性，有优缺点。