第一章：Gin+Redis+PostgreSQL高可用订单系统架构全景概览
现代电商订单系统需同时满足高并发写入、低延迟查询、强一致性与故障自愈能力。本架构以 Gin 作为轻量高性能 Web 框架承载 HTTP 层，Redis 提供分布式缓存与原子计数器支撑秒杀/库存预扣，PostgreSQL 通过逻辑复制 + Patroni 实现主从自动故障转移与读写分离，三者协同构建可横向扩展、具备多活潜力的订单服务底座。
核心组件职责边界
- Gin：负责路由分发、请求校验（如订单参数 Schema 验证）、中间件链（JWT 鉴权、请求限流、结构化日志）及响应封装；启用
gin.Default()并注册自定义 Recovery 中间件捕获 panic。 - Redis：双角色部署——使用
redis-cli --cluster create构建 3 主 3 从 Redis Cluster，其中order:lock:{sku_id}用作分布式锁，order:stock:{sku_id}以INCRBY原子操作实现库存预占。 - PostgreSQL：采用
pgpool-II或原生pgbouncer连接池，配合 Patroni 管理集群状态；关键订单表orders启用PARTITION BY RANGE (created_at)按月分区，并建立(user_id, status)复合索引加速用户订单查询。
高可用保障机制
| 组件 | 保障手段 | 故障恢复时间（RTO） |
|---|---|---|
| Gin | Kubernetes Deployment + HPA | |
| Redis | Cluster 模式 + Sentinel 监控节点 | |
| PostgreSQL | Patroni + etcd + 流复制 |
关键配置示例
# 启动 Patroni 配置（patroni.yml）
postgresql:
pg_hba:
- host all all 0.0.0.0/0 md5
use_pg_rewind: true
use_slots: true
parameters:
max_wal_senders: 10
wal_level: logical该配置启用逻辑复制槽与 WAL 重放，确保从库在主库宕机后能快速同步并接管服务。所有组件通过 Consul 进行服务发现，Gin 应用启动时自动注册健康端点 /healthz，由 Kubernetes Liveness Probe 定期调用验证存活状态。
第二章：核心组件选型与高可用基础设施搭建
2.1 Gin框架深度定制：路由分组、中间件链与优雅重启实践
路由分组与语义化组织
使用 Group 实现模块化路由管理，提升可维护性：
api := r.Group("/api/v1")
{
users := api.Group("/users")
{
users.GET("", listUsers) // GET /api/v1/users
users.POST("", createUser) // POST /api/v1/users
users.GET("/:id", getUser) // GET /api/v1/users/{id}
}
}Group 返回新路由树节点，继承父级中间件；路径自动拼接，避免硬编码重复前缀。
中间件链的组合与控制流
支持全局/分组/单路由三级注入，Next() 控制执行顺序：
func Logger() gin.HandlerFunc {
return func(c *gin.Context) {
log.Printf("→ %s %s", c.Request.Method, c.Request.URL.Path)
c.Next() // 继续后续中间件或处理器
log.Printf("← %d %s", c.Writer.Status(), c.Request.URL.Path)
}
}c.Next() 是关键分界点：之前为前置逻辑（如日志、鉴权），之后为后置逻辑（如响应统计、清理）。
优雅重启核心机制
依赖 http.Server 的 Shutdown() 配合信号监听：
| 信号 | 行为 |
|---|---|
| SIGINT | 触发平滑关闭 |
| SIGTERM | Kubernetes 等环境标准终止 |
| timeout | 默认5秒强制终止 |
graph TD
A[收到SIGTERM] --> B[停止接收新连接]
B --> C[等待活跃请求完成]
C --> D{超时？}
D -->|否| E[关闭监听器]
D -->|是| F[强制关闭]实战配置建议
- 使用
graceful或gin-contrib/pprof辅助监控 - 中间件顺序敏感：鉴权应在日志之后、业务之前
- 分组嵌套不宜超过3层，避免路径歧义
2.2 Redis高可用部署：哨兵模式配置、连接池优化与缓存穿透防护方案
哨兵模式核心配置
sentinel.conf 关键参数需显式声明：
sentinel monitor mymaster 127.0.0.1 6379 2
sentinel down-after-milliseconds mymaster 5000
sentinel failover-timeout mymaster 180000
sentinel parallel-syncs mymaster 12 表示至少2个哨兵节点达成共识才触发故障转移；5000ms 是主观下线阈值；180s 限制单次切换最大耗时；parallel-syncs 1 防止从库同时全量同步导致主库带宽打满。
连接池关键调优项
| 参数 | 推荐值 | 说明 |
|---|---|---|
maxTotal |
200 | 总连接上限，避免Redis端TIME_WAIT堆积 |
minIdle |
20 | 预热连接数，降低首次请求延迟 |
testOnBorrow |
false | 启用会增加RT，建议改用testWhileIdle |
缓存穿透防护组合策略
- 布隆过滤器拦截非法key（前置校验）
- 空值缓存（
SET key "" EX 60）防重复穿透 - 接口层限流（令牌桶）应对突发恶意请求
graph TD
A[客户端请求] --> B{布隆过滤器校验}
B -->|不存在| C[直接返回]
B -->|可能存在| D[查询Redis]
D -->|空结果| E[写入空值缓存]
D -->|有数据| F[返回业务数据]2.3 PostgreSQL主从集群构建：流复制配置、pgBouncer连接池集成与读写分离实现
数据同步机制
PostgreSQL 流复制基于 WAL 日志实时传输，主库 pg_walsender 进程将日志推送给从库 pg_walreceiver，延迟通常低于1秒。
主库配置（postgresql.conf）
wal_level = replica # 必须启用，支持物理复制
max_wal_senders = 10 # 最大并发发送进程数
archive_mode = off # 流复制无需归档wal_level=replica 是流复制前提；max_wal_senders 需 ≥ 从库数量 + 连接池预留连接。
从库初始化与启动
# 使用 pg_basebackup 创建基础备份
pg_basebackup -h primary_ip -D /var/lib/postgresql/data -U replicator -P -R -X stream-R 自动生成 standby.signal 并写入 primary_conninfo；-X stream 确保 WAL 在备份期间持续传输。
pgBouncer 读写分离路由策略
| 连接池模式 | 适用场景 | 是否支持读写分离 |
|---|---|---|
| transaction | OLTP高并发 | ✅（需配合应用层 hint 或规则） |
| session | 长连接会话 | ❌ |
| statement | 简单查询 | ❌ |
架构协同流程
graph TD
A[应用请求] --> B[pgBouncer]
B -->|SELECT| C[只读从库]
B -->|INSERT/UPDATE| D[主库]
C & D --> E[流复制同步]2.4 服务发现与健康检查：Consul注册中心对接与Gin健康端点自动化上报
Consul 客户端初始化与服务注册
使用 hashicorp/consul/api 初始化客户端，配置地址、超时与健康检查路径：
cfg := api.DefaultConfig()
cfg.Address = "127.0.0.1:8500"
client, _ := api.NewClient(cfg)
reg := &api.AgentServiceRegistration{
ID: "gin-api-01",
Name: "user-service",
Address: "192.168.1.10",
Port: 8080,
Check: &api.AgentServiceCheck{
HTTP: "http://192.168.1.10:8080/health",
Timeout: "5s",
Interval: "10s",
},
}
client.Agent().ServiceRegister(reg)逻辑分析：Interval=10s 触发周期性 HTTP 健康探测；HTTP 字段必须指向 Gin 内置 /health 端点，确保 Consul 能主动拉取状态。
Gin 健康端点自动上报机制
定义轻量级健康检查 Handler，返回结构化状态：
| 字段 | 类型 | 说明 |
|---|---|---|
| status | string | “pass” / “fail” |
| timestamp | int64 | Unix 时间戳（毫秒） |
| service_id | string | 与 Consul 注册 ID 一致 |
r.GET("/health", func(c *gin.Context) {
c.JSON(200, gin.H{
"status": "pass",
"timestamp": time.Now().UnixMilli(),
"service_id": "gin-api-01",
})
})该端点被 Consul 按 Interval 自动调用，响应非 2xx 状态即触发服务下线。
服务生命周期协同流程
graph TD
A[Gin 启动] --> B[注册服务到 Consul]
B --> C[Consul 定期 GET /health]
C --> D{HTTP 200?}
D -->|是| E[标记 healthy]
D -->|否| F[标记 critical 并剔除]2.5 日志与监控体系落地：Zap结构化日志、Prometheus指标埋点与Grafana看板配置
日志统一接入：Zap高性能结构化输出
import "go.uber.org/zap"
logger, _ := zap.NewProduction(zap.AddCaller(), zap.AddStacktrace(zap.ErrorLevel))
defer logger.Sync()
logger.Info("user login succeeded",
zap.String("user_id", "u_789"),
zap.Int64("duration_ms", 124),
zap.String("ip", "192.168.1.23"))该配置启用生产级日志格式（JSON）、自动调用栈追踪及错误级堆栈捕获；zap.String等字段确保日志可被ELK或Loki高效索引与过滤。
指标埋点：Prometheus客户端集成
| 指标类型 | 示例用途 | 推荐采集方式 |
|---|---|---|
| Counter | API总请求数 | Inc() on each call |
| Histogram | HTTP响应延迟分布 | Observe(latencySec) |
可视化闭环：Grafana看板联动
graph TD
A[Go应用] -->|Zap JSON日志| B[Loki]
A -->|Prometheus client| C[Prometheus]
C --> D[Grafana]
B --> D
D --> E[告警/下钻分析]第三章：订单领域建模与高并发事务一致性保障
3.1 订单状态机设计：基于枚举+事件驱动的幂等状态流转与Saga补偿机制
核心状态建模
使用不可变枚举定义订单生命周期，确保状态语义明确、编译期校验：
public enum OrderStatus {
CREATED, PAID, SHIPPED, DELIVERED, CANCELLED, REFUNDED
}CREATED 表示初始下单；PAID 需前置 CREATED；CANCELLED 为终态，禁止后续流转。枚举天然支持 switch 分支与序列化一致性。
幂等事件处理器
每个状态变更由唯一业务事件触发，携带 eventId + orderId 复合主键实现数据库唯一约束：
| 事件类型 | 允许源状态 | 目标状态 | 补偿动作 |
|---|---|---|---|
| PaymentConfirmed | CREATED | PAID | ReversePayment |
| ShipmentDispatched | PAID | SHIPPED | CancelShipment |
Saga协调流程
graph TD
A[OrderCreated] --> B[PaymentConfirmed]
B --> C[ShipmentDispatched]
C --> D[DeliveryConfirmed]
B -.-> E[ReversePayment]
C -.-> F[CancelShipment]Saga各步骤本地事务提交后发布事件，失败时按反向链路触发补偿。
3.2 分布式锁在库存扣减中的工程化应用：Redlock vs SET NX + Lua原子脚本对比与选型验证
库存扣减的核心挑战
高并发下超卖问题本质是「读-改-写」竞态，需强一致性控制。单实例 Redis 的 SET key value NX PX 10000 可防单点超卖，但集群模式下因主从异步复制+故障转移，无法保证锁的严格互斥。
Redlock 的理论保障与现实折损
Redlock 要求多数节点（N/2+1）成功加锁才视为生效，理论上提升容错性。但实际中：
- 时钟漂移导致锁提前释放
- 网络分区时可能同时存在两个“合法”锁
- 客户端耗时不可控，加剧不确定性
原子 Lua 脚本：轻量可靠的工程实践
-- 库存扣减 Lua 脚本（带锁校验）
if redis.call("GET", KEYS[1]) == ARGV[1] then
local stock = tonumber(redis.call("GET", KEYS[2]))
if stock >= tonumber(ARGV[2]) then
redis.call("DECRBY", KEYS[2], ARGV[2])
return 1
end
end
return 0逻辑说明：
KEYS[1]为锁 key（防重入），KEYS[2]为库存 key；ARGV[1]是唯一锁标识（如 UUID），ARGV[2]为扣减数量。脚本在服务端原子执行，避免网络往返导致的竞态，且无需依赖 Redlock 的复杂协调。
对比选型决策依据
| 维度 | Redlock | SET NX + Lua 脚本 |
|---|---|---|
| 实现复杂度 | 高（需多节点协调） | 极低（单命令+脚本） |
| 一致性保障 | 弱（受时钟/网络影响） | 强（单实例内原子性） |
| 运维成本 | 高（监控、超时调优） | 低（无额外组件） |
graph TD
A[请求到达] --> B{库存是否充足？}
B -->|否| C[返回失败]
B -->|是| D[尝试获取锁]
D --> E[执行Lua扣减+校验]
E --> F{返回1？}
F -->|是| G[扣减成功]
F -->|否| H[重试或降级]最终在电商大促场景压测中，Lua 方案吞吐量提升 3.2 倍，P99 延迟降低 67%，且零超卖发生。
3.3 PostgreSQL事务隔离级实战：可重复读下超卖问题复现与SELECT FOR UPDATE优化策略
超卖问题复现场景
模拟库存扣减：两个并发事务同时读取 stock = 10，各自减1后写回，最终变为9（预期为8）。
-- 事务A（先启动）
BEGIN TRANSACTION ISOLATION LEVEL REPEATABLE READ;
SELECT stock FROM products WHERE id = 1; -- 返回10
-- 此时事务B也执行相同SELECT（仍见10）
-- 事务A提交前，事务B已执行：
UPDATE products SET stock = 9 WHERE id = 1;
COMMIT;
-- 事务A随后执行：
UPDATE products SET stock = 9 WHERE id = 1; -- ✅ 成功但逻辑错误！
COMMIT;逻辑分析：PostgreSQL的
REPEATABLE READ通过快照隔离避免脏读/不可重复读，但不阻止幻读与写偏移（Write Skew）；此处属典型写偏移——两事务基于同一快照做决策，无锁协同导致数据不一致。
SELECT FOR UPDATE破局
加行级锁强制串行化关键路径：
BEGIN;
SELECT stock FROM products WHERE id = 1 FOR UPDATE; -- 阻塞其他FOR UPDATE
UPDATE products SET stock = stock - 1 WHERE id = 1;
COMMIT;参数说明：
FOR UPDATE在目标行上获取排他锁，直至事务结束；配合NOWAIT可避免无限等待。
隔离级别对比
| 级别 | 脏读 | 不可重复读 | 幻读 | 写偏移 |
|---|---|---|---|---|
| READ COMMITTED | ❌ | ✅ | ✅ | ✅ |
| REPEATABLE READ | ❌ | ❌ | ✅ | ✅ |
| SERIALIZABLE | ❌ | ❌ | ❌ | ❌ |
锁等待流程示意
graph TD
A[事务A: SELECT ... FOR UPDATE] -->|持锁| B[products.id=1]
C[事务B: SELECT ... FOR UPDATE] -->|等待| B
B -->|A COMMIT后释放| C第四章：全链路性能压测与高可用容灾能力建设
4.1 基于k6的阶梯式压测脚本编写：模拟500万/日请求分布、JMeter对比及瓶颈定位
模拟真实流量分布
500万/日 ≈ 57.87 req/s 峰值（按2小时业务高峰计算）。k6 脚本采用阶梯式 ramp-up：
import http from 'k6/http';
import { check, sleep } from 'k6';
export const options = {
stages: [
{ duration: '2m', target: 10 }, // 预热
{ duration: '10m', target: 60 }, // 达峰并稳态
{ duration: '3m', target: 0 }, // 平滑退压
],
};
export default function () {
const res = http.get('https://api.example.com/v1/users');
check(res, { 'status is 200': (r) => r.status === 200 });
sleep(1); // 控制每VU每秒请求数
}逻辑说明：
stages精确控制并发梯度；sleep(1)配合 VU 数反推吞吐，例如 60 VU × 1 req/s = 60 RPS；check实时校验可用性，避免无效压测。
k6 vs JMeter 关键差异
| 维度 | k6 | JMeter |
|---|---|---|
| 运行模型 | 基于Go协程，内存占用低 | JVM线程模型，内存开销高 |
| 脚本语言 | JavaScript（ES6+） | Java/BeanShell/Groovy |
| 分布式扩展 | 原生支持k6 cloud + local CLI | 依赖Master-Slave架构 |
瓶颈定位策略
- 通过
k6 metrics输出http_req_duration{p95}、vus、iterations实时指标 - 结合 Prometheus + Grafana 可视化延迟突增与 GC 频次关联
- 若
http_req_failed > 0且http_req_waiting持续升高 → 网关或下游连接池耗尽
4.2 Redis缓存雪崩/击穿/穿透三重防御：多级缓存+布隆过滤器+本地缓存Caffeine联动方案
问题分层与防御定位
- 雪崩：大量Key同时过期 → 依赖时间错峰+随机TTL
- 击穿：热点Key失效瞬间并发穿透 → 由Caffeine本地锁+逻辑过期拦截
- 穿透：恶意/非法Key查询 → 布隆过滤器前置校验（误判率
布隆过滤器集成示例
// 初始化布隆过滤器（Redis + 内存双写）
BloomFilter<String> bloom = BloomFilter.create(
Funnels.stringFunnel(Charset.defaultCharset()),
1_000_000, // 预估容量
0.001 // 期望误判率
);逻辑说明：100万容量+0.1%误判率平衡内存开销与精度；需在数据写入时同步更新布隆位图，避免漏判。
多级缓存协同流程
graph TD
A[请求] --> B{布隆过滤器校验}
B -->|不存在| C[直接返回null]
B -->|可能存在| D[Caffeine本地缓存]
D -->|命中| E[返回结果]
D -->|未命中| F[Redis查询]
F -->|命中| G[回填Caffeine]
F -->|未命中| H[查DB+回填三级缓存]关键参数对照表
| 组件 | TTL策略 | 容量控制 | 更新机制 |
|---|---|---|---|
| Caffeine | 5min（本地） | 10K entries | 异步加载+写后刷新 |
| Redis | 30min+随机±5min | LRU淘汰 | 双写+延时双删 |
| BloomFilter | 永久（重建触发） | 固定bit数组 | 写DB时同步更新 |
4.3 PostgreSQL连接泄漏诊断与连接池调优：pg_stat_activity分析、max_connections与idle_in_transaction_session_timeout配置
实时连接状态洞察
通过 pg_stat_activity 监控活跃会话是诊断连接泄漏的第一步：
SELECT pid, usename, application_name, state,
now() - backend_start AS uptime,
now() - state_change AS idle_time,
client_addr, backend_xid, backend_xmin
FROM pg_stat_activity
WHERE state = 'idle in transaction'
AND (now() - state_change) > interval '5 minutes';该查询精准捕获长时间空闲在事务中的连接——典型泄漏征兆。state_change 标记状态最后变更时间，backend_xid 可辅助判断是否持有长事务ID。
关键参数协同调优
| 参数 | 推荐值 | 作用 |
|---|---|---|
max_connections |
200–400（依内存调整） | 限制全局并发连接数，避免OOM |
idle_in_transaction_session_timeout |
60000（10秒） |
强制终止卡在事务中空闲的连接 |
graph TD
A[应用发起连接] --> B{事务是否提交/回滚？}
B -->|否| C[进入 idle in transaction]
C --> D[超时触发自动断连]
B -->|是| E[连接归还连接池]连接池建议实践
- 使用 PgBouncer 或 PgPool-II，启用
transaction模式 - 应用层确保
try/finally或with语句块内显式关闭连接 - 避免在事务中执行耗时外部调用（如 HTTP 请求）
4.4 故障注入演练：使用Chaos Mesh模拟Redis宕机、PG主库故障转移与Gin服务熔断降级响应
场景编排与混沌实验定义
通过 ChaosEngine 统一编排三类故障：Redis Pod 删除、PostgreSQL 主节点网络隔离、Gin HTTP 服务延迟注入。所有实验均基于 Kubernetes CRD 声明式配置。
Redis 宕机模拟（PodChaos）
apiVersion: chaos-mesh.org/v1alpha1
kind: PodChaos
metadata:
name: redis-pod-kill
spec:
action: pod-kill
mode: one
selector:
labels:
app: redis
duration: "30s" # 持续时间，触发自动恢复逻辑说明：
pod-kill强制终止 Redis 实例，验证客户端重连与哨兵自动选主能力；duration确保故障可观察且不永久破坏集群。
PostgreSQL 主库故障转移（NetworkChaos）
| 故障类型 | 目标组件 | 触发效果 | 验证指标 |
|---|---|---|---|
| 网络延迟 | pg-primary | 主从同步中断 | WAL lag > 5s → 触发 Patroni 选举 |
Gin 服务熔断响应（HTTPChaos）
action: httpchaos
spec:
target:
selector:
labelSelectors:
app: gin-api
port: 8080
method: "GET"
status: 503 # 返回熔断状态码参数说明：
status: 503模拟服务不可用，驱动上游调用方执行降级逻辑（如返回缓存或默认值）。
整体故障流协同
graph TD
A[Redis宕机] --> B[Gin读缓存失败]
C[PG主库失联] --> D[Patroni触发选举]
B & D --> E[Gin切换至降级模式]第五章：代码仓库结构说明与生产环境交付清单
仓库根目录布局规范
标准项目采用分层式 Git 仓库结构，根目录下包含 apps/（主应用）、libs/（可复用模块）、infra/（Terraform/IaC 配置）、ci/（CI 流水线定义）、docs/（架构决策记录 ADRs）和 scripts/（部署辅助脚本）。例如，apps/web 下的 Dockerfile 明确指定构建阶段为 --target production，并挂载 /app/config/secrets.env 作为运行时密钥注入点。所有敏感配置均通过 Vault Agent Sidecar 注入，而非硬编码。
分支策略与发布流程
主干分支 main 仅接受经 CI 验证的 PR 合并；release/v2.3.x 分支用于热修复并行发布；feature/login-mfa 等特性分支需通过 SonarQube 扫描（覆盖率 ≥82%）及 E2E 测试（Playwright 全链路校验）后方可合并。每次 main 推送触发 GitHub Actions 流水线，自动执行镜像构建、Helm Chart 渲染、Kubernetes 集群蓝绿部署，并将部署结果写入 infra/deployments/2024-07-15-prod.yaml。
生产环境交付物清单
| 类型 | 名称 | 来源路径 | 校验方式 | 备注 |
|---|---|---|---|---|
| 容器镜像 | registry.example.com/app/web:v2.3.1 |
apps/web/Dockerfile |
SHA256 digest 对比 | 使用 distroless 基础镜像 |
| Helm Chart | charts/app-web-2.3.1.tgz |
charts/app-web/ |
helm lint + helm template --validate |
values-prod.yaml 已加密 |
| TLS 证书 | tls/prod-web-2024.crt |
infra/certs/ |
OpenSSL verify -CAfile root-ca.pem | 由 HashiCorp Vault PKI 动态签发 |
| 数据库迁移脚本 | migrations/202407151422_add_user_role.sql |
libs/db/migrations/ |
SQLFluff 格式检查 + Dry-run 执行验证 | 已通过 Flyway 版本化管理 |
关键配置文件约束
infra/k8s/prod/deployment.yaml 中强制启用 securityContext.runAsNonRoot: true 和 readOnlyRootFilesystem: true；ci/.github/workflows/deploy.yml 要求 secrets: [VAULT_TOKEN, AWS_ACCESS_KEY_ID] 仅在 production 环境上下文中可用；scripts/health-check.sh 必须返回 HTTP 200 且响应体含 "status":"ready" 字符串才视为健康探针通过。
交付审计追踪机制
每次生产部署自动生成审计日志条目，存入 Loki 日志系统，字段包括 commit_sha=abc1234, deployer=ops-team, cluster=prod-us-east-1, duration_ms=4821；同时更新 docs/deployment-log.md 的 Markdown 表格，按时间倒序排列最近 30 次发布记录，含回滚标记（rollback=true）与关联 Jira 编号（如 PROJ-892）。
flowchart LR
A[GitHub Push to main] --> B[CI Pipeline Trigger]
B --> C[Build Docker Image & Push to Registry]
C --> D[Helm Chart Render with values-prod.yaml]
D --> E[Deploy to Kubernetes via Argo CD Sync]
E --> F[Run Post-deploy Smoke Tests]
F --> G{All Checks Pass?}
G -->|Yes| H[Update Deployment Log & Notify Slack #prod-alerts]
G -->|No| I[Auto-Rollback & PagerDuty Alert]密钥与凭证管理实践
所有生产密钥不存储于 Git，而是通过 Vault KV v2 引擎按路径 secret/data/prod/app/web 存储；CI 流水线使用 OIDC 身份认证向 Vault 请求 token，调用 vault kv get -field=password secret/data/prod/app/web 获取数据库密码；本地开发环境通过 .env.local 文件模拟，但该文件被 .gitignore 全局排除且禁止提交。
文档一致性保障措施
docs/architecture-overview.md 中的组件图使用 PlantUML 自动生成，源文件位于 docs/plantuml/system.pu；每次 main 分支变更会触发 scripts/update-docs.sh，该脚本解析 apps/web/src/main.ts 中的 @Component 注解并更新服务依赖矩阵表；README.md 的“部署步骤”区块由 ci/scripts/generate-deploy-steps.py 从 ci/.github/workflows/deploy.yml 解析生成，确保文档与实际流程零偏差。
