数据系统

PostgreSQL、Kafka、Redis与RAG属于不同类型的系统，但都需要回答四个问题：数据从何处进入，经过哪些中间状态，成功条件是什么，故障后如何恢复或重新建立正确状态。

数据库可见性、消息复制、缓存一致性和检索证据分别具有独立的数据路径与失败边界，因此拆分为四篇文章：

PostgreSQL

沿一条UPDATE拆开Backend Process、Shared Buffers、Tuple Version、Snapshot、WAL、Checkpoint和VACUUM；再把隔离级别、Write Skew、Index Only Scan、同步复制与故障切换接回同一条线。

Kafka

从Record Batch写进Partition开始，经过Segment、ISR、LEO/HW、Consumer Group、Rebalance和Committed Offset，最后收束到Exactly-Once究竟只exactly在哪堵墙里面。

Redis

Event Loop、对象编码、RDB/AOF、Replication、Sentinel和Cluster分别解决什么；Cache-Aside为什么仍有旧值回填，分布式锁又为什么需要Fencing Token。

RAG

完整说明离线摄取、Chunk、BM25、Milvus、Neo4j、RRF、Cross-Encoder和Context Builder；重点不在于组件数量，而在于如何通过双索引版本、Citation和分层评测使答案可追溯。

四篇遵循同一分析原则：一个“成功”通常仅在特定边界内成立。PostgreSQL提交成功不等于副本已经完成流量切换，Kafka写入成功不等于业务处理成功，Redis更新成功不等于缓存与数据库严格一致，RAG生成成功也不等于答案正确。理解机制时，还需要明确其负责的可靠性边界。