GoFoundry 是一个基于 Go 的后端基础框架套件项目。它不是单独实现一个 Web 框架，也不是只写一个 ORM，而是围绕后端基础设施中最常见的几类能力做模块化重构：Web 框架、ORM、分布式缓存、分布式锁、消息队列和压测工具。
项目地址：https://github.com/bestVictor2/GoFoundry
如果说业务系统是在盖楼，那么 GoFoundry 更像是在打造一套“地基组件”：路由、中间件、数据库访问、缓存一致性、分布式锁、消息投递、Worker 消费、性能基准测试。它的价值不只在功能本身，更在于把这些组件做成可独立运行、可测试、可扩展、可复用的 Go 基础设施代码库。
项目一句话介绍
GoFoundry 可以概括为：
一个基于 Go 的后端基础框架套件，重构了轻量 Web 框架 GoGee、ORM 框架 GoGorm，并实现 GoCache、GoLock、GoMQ、GoBench 等模块，用于解决高并发后端系统中的路由组织、数据库访问、缓存一致性、分布式互斥、消息队列和性能验证问题。
如果放到简历里，可以这样写：
GoFoundry（基于 Go 的后端基础框架套件）：围绕 Web 框架、ORM、分布式缓存、分布式锁与消息队列进行模块化设计与工程化重构，形成可独立运行、可测试、可扩展的 Go 基础设施代码库。重构 GoGee 与 GoGorm 核心能力，涵盖前缀树路由分组、中间件链、AutoMigrate 等模块；实现 GoCache（一致性哈希 + singleflight + TTL）、GoLock（Redis Lua 原子解锁/续期）、GoMQ（发布/消费、并发 worker），并基于 GoBench 完成 HTTP/GORM 双模式压测。
这个项目解决什么问题
Go 后端开发里经常会遇到几个基础问题：
- HTTP 路由如何高效匹配？
- 中间件如何链式执行？
- Web 框架如何支持路由分组？
- ORM 如何把结构体映射到数据库表？
- 数据库表结构如何自动迁移？
- 缓存如何支持过期、淘汰和热点保护？
- 多节点缓存如何做一致性哈希？
- 缓存击穿如何用 singleflight 合并请求？
- 分布式锁如何保证加锁、解锁和续期的原子性？
- 消息队列如何支持发布、消费和并发 worker？
- 这些组件的性能如何验证？
GoFoundry 的设计就是把这些问题拆成多个基础模块，分别实现并压测。
总体架构
从项目描述看，GoFoundry 可以按模块拆成下面几层：
GoFoundry
├── GoGee # 轻量 Web 框架：路由树、分组、中间件、上下文
├── GoGorm # 轻量 ORM：模型映射、Session、CRUD、AutoMigrate
├── GoCache # 分布式缓存：一致性哈希、TTL、singleflight
├── GoLock # 分布式锁：Redis 加锁、Lua 解锁、续期
├── GoMQ # 消息队列：发布订阅、消费组、并发 worker
└── GoBench # 压测工具：HTTP / GORM 双模式基准测试
它的核心思想是：
用 Go 标准库和少量基础依赖重建后端常用基础设施，在实现过程中理解框架底层原理，并通过 benchmark 验证性能和稳定性。
这类项目非常适合面试，因为它既能讲底层原理，也能讲工程实践，还能讲性能数据。
GoGee：轻量 Web 框架
GoGee 可以理解成一个迷你版 Gin / Echo。它要解决的核心问题是：HTTP 请求来了之后，如何找到对应 handler，并让中间件按顺序执行。
Web 框架最小闭环
一个 Web 框架最小需要：
HTTP Server
-> Router
-> Context
-> Middleware Chain
-> Handler
-> Response
Go 标准库已经提供了 net/http，但如果只用标准库，路由分组、中间件、参数解析、错误处理都需要自己写。GoGee 的意义就是在标准库之上封装一层更好用的框架能力。
路由树设计
路由匹配不能每次都遍历全部路由，否则路由多了性能会变差。常见 Web 框架会使用前缀树，也就是 Trie。
例如有这些路由：
GET /users
GET /users/:id
GET /users/:id/posts
GET /assets/*filepath
前缀树可以按路径段组织：
/
└── users
└── :id
└── posts
└── assets
└── *filepath
请求 /users/123/posts 时，路由器只需要按路径段逐层匹配，不需要扫描全部路由。
动态参数和通配符
Web 框架通常支持两类特殊路由：
/users/:id # 动态参数
/static/*filepath # 通配路径
匹配结果应该写入 Context：
ctx.Param("id") -> "123"
ctx.Param("filepath") -> "css/app.css"
这也是面试中讲路由树时很容易被问到的点：静态路径、动态参数、通配符的优先级如何处理。
路由分组
路由分组用于给一组路由加公共前缀和中间件。例如：
api := engine.Group("/api")
api.Use(AuthMiddleware())
v1 := api.Group("/v1")
v1.GET("/users", listUsers)
最终路由是：
GET /api/v1/users
分组的核心是维护 prefix 和 middlewares。子分组继承父分组前缀，也可以追加自己的中间件。
中间件链
中间件本质是一个 handler 链。典型执行顺序：
Logger before
-> Recovery before
-> Auth before
-> Business Handler
<- Auth after
<- Recovery after
<- Logger after
GoGee 中可以通过 ctx.Next() 控制链式调用：
func Logger() HandlerFunc {
return func(c *Context) {
start := time.Now()
c.Next()
log.Printf("%s %s %v", c.Method, c.Path, time.Since(start))
}
}
这种设计可以实现日志、鉴权、限流、CORS、Recovery、Tracing 等横切能力。
Context 的作用
Context 是 Web 框架的核心对象，它通常封装：
http.ResponseWriter*http.Request- 路径参数
- Query 参数
- Body 解析
- 状态码
- JSON 响应
- 中间件索引
- 错误信息
有了 Context，业务 handler 不需要直接操作底层 ResponseWriter，代码会更统一。
GoGorm：轻量 ORM 框架
GoGorm 可以理解成一个迷你版 GORM。它要解决的问题是：如何让 Go 结构体和数据库表之间建立映射，并提供更方便的增删改查接口。
ORM 的核心价值
不用 ORM 时，业务代码可能到处都是 SQL：
rows, err := db.Query("select id, name from users where age > ?", age)
ORM 的目标是把它封装成更面向对象或结构体的形式：
db.Where("age > ?", age).Find(&users)
它不是为了完全替代 SQL，而是为了让常见 CRUD 更统一、更可维护。
模型映射
假设有结构体：
type User struct {
ID int64 `gorm:"primaryKey"`
Name string `gorm:"size:64"`
Age int
}
ORM 需要解析出：
表名：users
字段：id, name, age
主键：id
字段类型：int64 -> bigint, string -> varchar, int -> integer
这通常依赖 Go 的反射机制 reflect。
Session 设计
ORM 通常会有 Session 对象，用来保存一次查询上下文：
Session
- db connection
- table name
- selected fields
- where conditions
- order by
- limit / offset
- hooks
链式调用的本质是不断往 Session 里追加状态，最后执行 SQL 构建和查询。
例如：
db.Model(&User{}).Where("age > ?", 18).Order("id desc").Limit(10).Find(&users)
可以生成：
SELECT * FROM users WHERE age > ? ORDER BY id DESC LIMIT 10;
AutoMigrate
AutoMigrate 是 ORM 中很实用的能力。它根据结构体定义自动创建或更新数据库表。
基本流程：
读取 Go struct schema
-> 判断数据库表是否存在
-> 不存在则 CREATE TABLE
-> 存在则比较字段
-> 缺失字段则 ALTER TABLE ADD COLUMN
它解决了开发阶段频繁手写建表 SQL 的问题。
不过 AutoMigrate 也有边界：
- 不应该随意删除字段，避免数据丢失。
- 复杂索引变更需要谨慎。
- 生产环境更推荐结合 migration 文件和审核流程。
ORM 的难点
ORM 看起来只是拼 SQL，但难点不少：
- Go 类型到 SQL 类型的映射。
- 字段 tag 解析。
- 表名和列名命名策略。
- 主键和自增处理。
- 零值字段是否参与更新。
- 事务管理。
- 关联关系。
- SQL 注入防护。
- Hook 生命周期。
- AutoMigrate 的兼容性。
GoFoundry 如果实现了基础 CRUD 和 AutoMigrate，就已经覆盖了 ORM 的核心骨架。
GoCache：分布式缓存
GoCache 是这个项目里很有后端工程味的模块。截图里提到它使用：
一致性哈希 + singleflight + TTL
这三个词分别解决不同问题。
TTL：缓存过期
TTL 是 Time To Live，表示缓存多久后过期。
key -> value, expire_at
读取时如果发现过期，就删除并回源。
TTL 的作用：
- 防止缓存永久占用内存。
- 降低脏数据长期存在的风险。
- 支持热点数据自动淘汰。
一致性哈希
如果有多个缓存节点，最简单的方式是：
node = hash(key) % N
但当节点数量 N 变化时，大量 key 会重新映射，造成缓存大面积失效。
一致性哈希把节点和 key 都映射到一个环上：
hash ring: 0 ... 2^32-1
key 找顺时针遇到的第一个节点
好处是增加或删除节点时，只影响环上相邻的一小部分 key。
虚拟节点
真实节点数量少时，数据可能分布不均。虚拟节点可以改善这个问题：
nodeA#1, nodeA#2, nodeA#3
nodeB#1, nodeB#2, nodeB#3
一个真实节点对应多个虚拟节点，使 key 分布更均匀。
singleflight
singleflight 用来解决缓存击穿。
假设一个热点 key 过期，瞬间来了 1000 个请求。如果每个请求都去查数据库，数据库会被打爆。
singleflight 的思想是：
同一个 key 同一时刻只允许一个请求回源
其它请求等待这个请求的结果
流程：
请求 A 发现缓存 miss -> 发起数据库查询
请求 B/C/D 发现同 key miss -> 等待 A
A 查询完成并写缓存 -> B/C/D 共享结果
这可以显著降低缓存击穿时的数据库压力。
GoCache 读取流程
一个合理的 GoCache 读取流程是：
Get(key)
-> 本地/远程缓存命中且未过期：返回
-> 未命中：进入 singleflight
-> 再次检查缓存，防止重复回源
-> 调用 loader 查询数据库或下游服务
-> 写入缓存并设置 TTL
-> 返回结果
面试时重点讲：TTL 解决过期，一致性哈希解决节点扩缩容，singleflight 解决热点 key 击穿。
GoLock：Redis 分布式锁
GoLock 解决的是分布式环境中的互斥问题。
在单进程里可以用 sync.Mutex，但如果服务部署了多个实例，本地锁就没用了。此时需要一个所有实例都能访问的协调中心，Redis 是常见选择。
基础加锁
Redis 加锁通常使用：
SET lock_key random_value NX PX expire_ms
含义：
NX：只有 key 不存在时才设置成功。PX：设置过期时间，防止死锁。random_value：锁持有者标识，用于安全解锁。
为什么解锁要用 Lua
错误解锁方式：
DEL lock_key
问题是：如果锁过期后被别人拿到了，旧持有者再执行 DEL，就会把别人的锁删掉。
正确做法是原子判断 value：
if redis.call("get", KEYS[1]) == ARGV[1] then
return redis.call("del", KEYS[1])
else
return 0
end
Lua 脚本在 Redis 内原子执行，能保证“判断 value + 删除 key”不会被打断。
锁续期
如果业务执行时间可能超过锁 TTL，需要续期。续期也必须校验 value：
if redis.call("get", KEYS[1]) == ARGV[1] then
return redis.call("pexpire", KEYS[1], ARGV[2])
else
return 0
end
常见设计是开启 watchdog：
加锁成功
-> 后台 goroutine 定期续期
-> 业务完成后停止续期并解锁
GoLock 的工程边界
分布式锁不是万能的，需要注意：
- 锁必须有过期时间。
- 解锁必须校验持有者 token。
- 续期必须可停止。
- 业务逻辑最好幂等。
- Redis 主从切换可能带来极端一致性问题。
- 对强一致场景，可能需要数据库事务或 etcd/ZooKeeper。
面试中如果能讲清楚“Lua 原子解锁”和“续期为什么也要校验 value”，说明你真的理解分布式锁。
GoMQ：消息队列
GoMQ 用于实现发布、消费和并发 worker。它的核心是把生产者和消费者解耦。
为什么需要 MQ
没有 MQ 时，请求链路可能是：
用户请求 -> 写数据库 -> 发邮件 -> 生成报表 -> 调第三方接口 -> 返回
这样接口会很慢，而且任何一个下游失败都会影响主流程。
使用 MQ 后：
用户请求 -> 写数据库 -> 投递消息 -> 返回
Worker 异步消费 -> 发邮件 / 报表 / 同步任务
好处：
- 削峰填谷。
- 异步解耦。
- 支持重试。
- 支持并发消费。
- 提升系统可用性。
发布/消费模型
基本模型：
Producer -> Topic/Queue -> Consumer Group -> Worker
生产者只负责发消息，消费者负责处理消息。
消息结构通常包含：
{
"id": "msg_123",
"topic": "email.send",
"payload": {},
"retry": 0,
"created_at": 1710000000
}
并发 worker
并发 worker 可以提高吞吐：
queue -> worker1
-> worker2
-> worker3
-> worker4
但并发消费也会带来问题：
- 消息顺序是否重要？
- 同一业务 key 是否会被并发处理？
- 失败消息如何重试？
- 消费是否幂等？
- Worker 崩溃后消息是否丢失？
消费幂等
MQ 系统通常只能保证至少一次投递，而不是绝对只投递一次。因此消费者必须幂等。
常见做法：
message_id 建唯一索引
业务表记录处理状态
重复消息直接返回成功
例如发送优惠券，不能因为消息重复消费就发两张。
GoMQ 的价值
即使 GoMQ 不是完整替代 Kafka/RabbitMQ 的工业级系统，它仍然很有学习价值，因为它覆盖了 MQ 的核心问题：
- 消息结构。
- 发布接口。
- 消费循环。
- Worker 池。
- 失败处理。
- 并发控制。
- 优雅关闭。
GoBench：性能压测工具
截图中提到，GoFoundry 基于 GoBench 完成了 HTTP/GORM 双模式压测，并得到一些指标：
HTTP 路由微基准：约 1.2 万 QPS，单请求约 1.2 μs
GORM 场景：完成 6001 次操作，100% 成功率
整体 QPS：542.72
P95：2.83 ms
P99：3.85 ms
这些数据说明项目不是只写功能，还做了性能验证。
为什么要压测
基础框架项目必须回答一个问题：它快不快，稳不稳？
压测能验证：
- 路由匹配是否高效。
- 中间件链是否有明显开销。
- ORM CRUD 是否稳定。
- 缓存和锁是否存在竞争瓶颈。
- 高并发下是否出现错误。
- P95/P99 是否可接受。
QPS、P95、P99 怎么看
QPS 是吞吐量，表示每秒处理多少请求。
P95 表示 95% 的请求延迟低于这个值。
P99 表示 99% 的请求延迟低于这个值。
相比平均延迟，P95/P99 更能反映尾延迟。后端系统通常不是怕平均慢，而是怕尾部请求特别慢。
HTTP 微基准
HTTP 路由微基准主要测：
请求进入
-> 路由匹配
-> 中间件执行
-> handler 返回
如果单请求约 1.2 μs，说明路由匹配和框架调度开销比较小。
GORM 场景压测
GORM 场景更贴近真实业务，因为它涉及数据库操作。
创建记录
查询记录
更新记录
删除记录
事务或批量操作
整体 QPS 542.72，P95 2.83 ms，P99 3.85 ms，说明在测试环境下尾延迟比较稳定。
当然，压测结果要结合机器配置、数据库配置、连接池大小、并发数、数据量一起看，不能脱离环境直接比较。
模块化设计
GoFoundry 的一个关键词是“模块化”。模块化不是简单把代码拆目录，而是让模块之间边界清晰。
好的模块边界
例如：
web 模块不应该依赖 orm 具体实现
orm 模块不应该依赖 web context
cache 模块不应该依赖业务模型
lock 模块只暴露 Lock/Unlock/Renew 接口
mq 模块只暴露 Publish/Subscribe/Worker 接口
这样每个模块都可以独立测试，也可以单独替换。
接口抽象
Go 里常用 interface 做抽象：
type Locker interface {
Lock(ctx context.Context, key string, ttl time.Duration) (LockGuard, error)
}
type Cache interface {
Get(ctx context.Context, key string) ([]byte, bool, error)
Set(ctx context.Context, key string, value []byte, ttl time.Duration) error
}
接口的价值是让上层不关心底层实现，例如底层可以是 Redis、本地内存，也可以是 mock。
可测试性
基础组件要可测试，关键是：
- 避免全局状态。
- 依赖通过构造函数注入。
- 核心逻辑和外部 IO 分离。
- 对 Redis、DB、MQ 提供 mock 或 test container。
- 为边界场景写单元测试。
例如 GoLock 至少要测：
- 加锁成功。
- 重复加锁失败。
- 持有者解锁成功。
- 非持有者解锁失败。
- 锁过期后可重新获取。
- 续期成功和失败。
工程化重构价值
截图中提到“工程化重构”，这点很重要。
很多人实现过 toy framework，但工程化重构意味着：
- 目录结构清晰。
- 模块职责明确。
- API 命名统一。
- 错误处理规范。
- 测试覆盖关键路径。
- 支持 benchmark。
- 可以独立运行 demo。
- 可以扩展后端存储或实现。
- 文档能解释设计取舍。
GoFoundry 的价值不是“重新造轮子”本身，而是通过造轮子理解轮子的结构。
可能的目录组织
这类项目可以组织成：
GoFoundry/
├── go.mod
├── cmd/
│ └── examples/
├── pkg/
│ ├── gogee/
│ ├── gogorm/
│ ├── gocache/
│ ├── golock/
│ ├── gomq/
│ └── gobench/
├── examples/
│ ├── web-demo/
│ ├── orm-demo/
│ └── mq-demo/
├── benchmark/
└── README.md
这种结构的好处是：
pkg放可复用组件。examples展示用法。benchmark放压测代码。cmd放可执行入口。
关键代码思路：路由匹配
路由树节点可以设计为：
type node struct {
pattern string
part string
children []*node
isWild bool
}
插入路由时按路径段递归插入；匹配时按路径段递归查找，优先匹配静态节点，再匹配动态参数和通配符。
伪代码：
insert(pattern, parts, height)
if height == len(parts):
node.pattern = pattern
return
part = parts[height]
child = matchChild(part)
if child == nil:
child = newNode(part)
child.insert(pattern, parts, height+1)
匹配：
search(parts, height)
if height == len(parts) or node.part startsWith "*":
if node.pattern != "": return node
return nil
part = parts[height]
children = matchChildren(part)
for child in children:
result = child.search(parts, height+1)
if result != nil: return result
关键代码思路：中间件链
Context 中维护 handlers 和 index：
type Context struct {
handlers []HandlerFunc
index int
}
func (c *Context) Next() {
c.index++
for c.index < len(c.handlers) {
c.handlers[c.index](c)
c.index++
}
}
中间件可以在 Next() 前后分别执行逻辑：
func Recovery() HandlerFunc {
return func(c *Context) {
defer func() {
if err := recover(); err != nil {
c.JSON(500, "internal error")
}
}()
c.Next()
}
}
这就是 Gin 风格中间件的核心。
关键代码思路：singleflight 缓存击穿保护
Go 标准扩展库里有 singleflight.Group，也可以自己实现类似机制。
核心思想：
value, err, shared := group.Do(key, func() (any, error) {
return loadFromDB(key)
})
同一个 key 的并发请求会共享同一次回源结果。
在缓存里可以这样用：
Get key
-> cache miss
-> singleflight.Do(key, loader)
-> set cache
-> return
关键代码思路：Redis Lua 解锁
分布式锁一定要保存 token：
token := uuid.NewString()
SET lock_key token NX PX ttl
解锁时：
if redis.call("get", KEYS[1]) == ARGV[1] then
return redis.call("del", KEYS[1])
else
return 0
end
为什么不能直接 DEL？因为锁可能已经过期并被别人拿到，直接删除会误删别人的锁。
关键代码思路：Worker 池
GoMQ 的并发 worker 可以用 goroutine + channel 实现：
for i := 0; i < workerNum; i++ {
go func(id int) {
for msg := range queue {
err := handler(msg)
if err != nil {
retry(msg)
}
}
}(i)
}
要注意：
- panic recovery。
- context cancel。
- graceful shutdown。
- retry 次数。
- 消息幂等。
和主流框架的关系
GoFoundry 不是为了替代 Gin、GORM、Redis 客户端或 Kafka/RabbitMQ，而是为了学习和沉淀它们背后的核心机制。
| 模块 | 对标主流能力 | GoFoundry 学到什么 |
|---|---|---|
| GoGee | Gin / Echo | 路由树、中间件、Context、分组 |
| GoGorm | GORM | 反射、模型映射、SQL 构建、迁移 |
| GoCache | Groupcache / Redis cache | 一致性哈希、TTL、击穿保护 |
| GoLock | Redisson / Redis Lock | SET NX PX、Lua 解锁、续期 |
| GoMQ | RabbitMQ / Kafka worker | 发布消费、worker 池、重试、幂等 |
| GoBench | wrk / hey / benchstat | QPS、延迟、P95/P99、稳定性 |
这类项目在面试中要强调“理解底层机制”，而不是说自己写了一个比 Gin/GORM 更强的框架。
性能数据怎么讲
截图中的数据可以这样解释：
我为 GoFoundry 写了 GoBench 压测工具，覆盖 HTTP 路由和 GORM 数据库操作两类场景。HTTP 路由微基准能达到约 1.2 万 QPS，单请求路由开销约 1.2 μs，说明前缀树路由和中间件调度开销较低；GORM 场景完成 6001 次操作，成功率 100%，整体 QPS 542.72，P95 2.83ms，P99 3.85ms，说明在压测环境下尾延迟比较稳定。
需要注意：不要过度吹性能。更严谨的表达是：
- 数据说明框架在当前测试环境下稳定。
- 和主流框架接近，但不代表所有场景都优于主流框架。
- 压测结果依赖机器、数据库、连接池、并发数和数据规模。
项目难点
路由树匹配
难点是静态路由、动态参数和通配符的优先级，以及如何保证匹配效率。
解决方式：使用前缀树按路径段匹配，动态参数和通配符通过特殊节点处理。
中间件执行顺序
难点是既要支持前置逻辑，也要支持后置逻辑，还要能中断请求。
解决方式：Context 维护 handler 链和 index，通过 Next() 控制执行流。
ORM 反射和 SQL 构建
难点是 Go struct 到数据库表的映射，以及不同字段类型、tag、零值、主键的处理。
解决方式：构建 schema 解析层，把结构体信息转成统一的字段元数据，再由 SQL builder 生成语句。
缓存击穿
难点是热点 key 过期瞬间，大量请求同时回源。
解决方式：singleflight 合并同 key 并发回源请求，只让一个请求查数据库。
分布式锁误删
难点是锁过期后可能被其它实例获取，旧实例不能误删新锁。
解决方式：加锁时写入随机 token，解锁时用 Lua 原子校验 token 后删除。
MQ 并发消费
难点是并发 worker 会带来重复消费、失败重试和幂等问题。
解决方式：消息带唯一 ID，消费者做幂等处理，失败进入重试流程。
面试 1 分钟讲法
如果面试官让你介绍 GoFoundry，可以这样讲：
GoFoundry 是我做的一个 Go 后端基础框架套件，目标是把 Web 框架、ORM、缓存、分布式锁、消息队列和压测工具这些后端基础能力模块化实现。Web 部分重构了 GoGee，支持前缀树路由、路由分组、中间件链和 Context；ORM 部分重构 GoGorm，支持结构体映射、CRUD、Session 和 AutoMigrate；缓存模块 GoCache 使用一致性哈希、TTL 和 singleflight 解决节点扩缩容、过期和缓存击穿问题；分布式锁 GoLock 基于 Redis SET NX PX 加锁，用 Lua 保证解锁和续期的原子性；消息队列 GoMQ 支持发布消费和并发 worker；最后用 GoBench 对 HTTP 路由和 GORM 场景做压测，验证了 QPS、P95/P99 和成功率。
面试高频追问
Q1：为什么 Web 路由用前缀树？
因为路由本质是路径段匹配。前缀树可以按路径层级组织路由，请求来了后逐段匹配，避免线性扫描所有路由。对于动态参数和通配符，也可以通过特殊节点处理。
Q2：中间件链怎么实现？
把中间件和最终 handler 都放进一个 handlers 数组，Context 维护当前 index。每个中间件调用 Next() 进入下一个 handler，Next() 返回后执行后置逻辑。
Q3：ORM 的 AutoMigrate 怎么做？
先通过反射解析 struct schema，再查询数据库表结构。如果表不存在就创建表；如果字段缺失就补充字段。生产环境要谨慎处理删除字段和复杂索引变更。
Q4：一致性哈希解决什么问题？
解决缓存节点扩缩容时 key 大规模迁移的问题。普通 hash 取模在节点数量变化时会导致大量 key 失效；一致性哈希只影响环上局部 key。
Q5：singleflight 解决什么问题？
解决缓存击穿。同一个热点 key 过期时，只允许一个请求回源，其它请求等待并共享结果，避免数据库被瞬时流量打爆。
Q6：Redis 分布式锁为什么要 value？
value 是锁持有者标识。解锁时必须确认当前锁还是自己持有的锁，否则可能删除别人后来拿到的锁。
Q7：为什么解锁要用 Lua？
因为判断 value 和删除 key 必须是原子操作。如果分成 GET 和 DEL 两步，中间锁可能过期并被别人获取，导致误删。
Q8：锁续期怎么做？
加锁成功后启动后台 goroutine 定期续期。续期时也要用 Lua 校验 value，只有锁仍由当前实例持有时才延长 TTL。业务结束后停止续期并解锁。
Q9：MQ 消费为什么要幂等？
因为消息系统通常只能保证至少一次投递，网络抖动、ack 失败或 worker 重启都可能导致重复消费。消费者必须通过 message_id 或业务唯一键保证重复处理不会产生副作用。
Q10：压测为什么看 P95/P99？
平均延迟容易掩盖尾部慢请求。P95/P99 能反映大部分用户和极端用户的体验，后端系统稳定性通常更关注尾延迟。
简历写法建议
可以写成：
GoFoundry（基于 Go 的后端基础框架套件）：围绕 Web 框架、ORM、分布式缓存、分布式锁与消息队列进行模块化设计与工程化重构，形成可独立运行、可测试、可扩展的 Go 基础设施代码库。重构 GoGee 与 GoGorm 核心能力，涵盖前缀树路由分组、中间件链、AutoMigrate 等模块；实现 GoCache（一致性哈希 + singleflight + TTL）、GoLock（Redis Lua 原子解锁/续期）、GoMQ（发布/消费、并发 worker），解决高并发下的一致性、可用性与吞吐稳定性问题；基于 GoBench 完成 HTTP/GORM 双模式压测，HTTP 路由微基准约 1.2 万 QPS，GORM 场景 6001 次操作 100% 成功，整体 QPS 542.72，P95 2.83ms / P99 3.85ms。
总结
GoFoundry 的意义在于把 Go 后端开发中最常见的基础能力系统性地拆开并重新实现。它覆盖了 Web 框架的路由和中间件、ORM 的模型映射和迁移、缓存系统的一致性哈希与击穿保护、分布式锁的 Redis 原子解锁和续期、消息队列的发布消费与 worker 并发，以及压测体系中的 QPS 和尾延迟验证。
这类项目最适合展示“后端基础功”：不是只会调用 Gin、GORM、Redis，而是知道它们背后的核心机制如何工作，也知道高并发场景下的一致性、可用性和性能问题应该如何处理。