Tìm kiếm
16 kết quả cho “Multi-cluster”. Tìm không phân biệt dấu.
- Scaling Production Globally — The service mesh facelift (Part-1) Bài tóm tắt · Achievers · 2022
…P/2, xác thực và phân quyền, mTLS, failover theo locality , multi-cluster, chính sách traffic, quan sát tốt. - Từ 2019 dùng Kong làm API gateway. Cân nhắc Kuma (chưa đủ chín cho mu…
- Building a fault-tolerant metrics storage system at Airbnb Bài tóm tắt · Airbnb · 2026
Airbnb chuyển từ nhà cung cấp metrics hosted sang tự vận hành. Quy mô (2026): 1,3 tỷ time series active trung bình, 50 triệu sample/giây, 2,5 PB dữ liệu logic.
- Improving Resiliency and Stability of a Large-scale Monolithic API Service Bài tóm tắt · LinkedIn · 2017
…n lớn, tốn công, có thể giảm năng suất, cần công cụ mới). - Multi-clustering: chia tập endpoint theo vertical mà không đổi code ; mỗi phần được route tới một cụm server riêng, mỗi…
- Designing a Better Kubernetes Experience for Developers Bài tóm tắt · Spotify · 2021
Theo Spotify, lúc đầu người dựng cluster Kubernetes cũng là người sở hữu service chạy trên nó. Khi Kubernetes phổ biến, tổ chức tách ra team hạ tầng dựng và giữ cluster (thường nhiều region để giảm latency), còn team…
- Monolith và microservices — đi và quay lại Chủ đề Thành viên
Lúc nào nên tách hệ thống thành nhiều service, và cái giá của việc đó là gì? Các nguồn hiện có cho thấy đây không phải đường một chiều.
- Độ tin cậy và multi-region Chủ đề Thành viên
Thay đổi kiến trúc lớn thường không đến từ kế hoạch mà từ một sự cố đau đớn. Khi đã chạy nhiều vùng, nhiều giả định của hệ thống một vùng không còn đúng.
- Hot partition và thundering herd Chủ đề Thành viên
Chia dữ liệu và tải ra nhiều máy chỉ hiệu quả khi tải chia đều. Thực tế tải lệch: một khách hàng khổng lồ, một kênh có @everyone, một bài của người nổi tiếng. Có hai dạng hay gặp:
- LinkedIn Công ty Thành viên
Bài khung là bài nhìn lại năm 2015 . LinkedIn bắt đầu năm 2003 là một monolith tên Leo. Service đầu tiên tách ra là member graph, vì đồ thị kết nối có profile tải khác hẳn; DB profile được đỡ bằng scale dọc rồi replica…
- Geosharded Recommendations Part 2: Architecture Bài tóm tắt · Tinder · 2019
…song → gộp kết quả. - Multi-index trong một cluster, không multi-cluster. - Multi-cluster cách ly tốt hơn, scale riêng từng shard dễ hơn, nhưng Elasticsearch khi đó chưa query đượ…
- Achievers Công ty Thành viên
Để mở rộng sang nhiều region với data residency và có failover giữa các cụm GKE, Achievers chuyển từ Kong sang Istio làm cả gateway lẫn service mesh (migration xong cuối 2020) và gặp một loạt vấn đề do sidecar . Phần 2…
- Did you mean "Galene"? Bài tóm tắt · LinkedIn · 2014
Search của LinkedIn (hơn 300 triệu member, 2014) dựng trên Lucene, rồi đắp thêm từng lớp mỗi khi gặp giới hạn: Sensei (sharding, quản lý cụm), Search Content Store (giữ mọi term của entity, vì Lucene cập nhật bằng xoá…
- A Brief History of Scaling LinkedIn Bài tóm tắt · LinkedIn · 2015
LinkedIn ra đời năm 2003, tuần đầu có 2.700 thành viên. Năm 2015: hơn 350 triệu thành viên, hàng chục nghìn page mỗi giây, mobile chiếm hơn 50% traffic, backend chịu hàng triệu query mỗi giây.
- Resilience Engineering at LinkedIn with Project Waterbear Bài tóm tắt · LinkedIn · 2017
Càng nhiều microservice thì càng nhiều phụ thuộc, điểm hỏng và miền lỗi. Năm 2017 trang chủ phụ thuộc hơn 550 endpoint. SRE nhận "độ bền ứng dụng như một dịch vụ": đo, phân tích và đưa best practice cho chủ service.
- Project STAR*: Streamlining Our On-Call Process Bài tóm tắt · LinkedIn · 2018
Voyager On-Call: lịch trực cho app flagship (web, Android, iOS, frontend API). Người trực lo site chạy và giữ cho trunk và pipeline deploy khoẻ. Mỗi tuần một nhóm mới: một engineer mỗi nền tảng, kèm người của…
- Search Federation Architecture at LinkedIn Bài tóm tắt · LinkedIn · 2018
LinkedIn có nhiều "search backend" theo use case (People, Job...). Tầng federation ở giữa làm ba việc: mở rộng query (query understanding, spell check), fan-out tới các backend, rồi "blend" kết quả.
- An inside look at LinkedIn's data pipeline monitoring system Bài tóm tắt · LinkedIn · 2019
Dữ liệu vào Hadoop chủ yếu qua Apache Gobblin (nguồn Kafka, Espresso, Oracle), job batch chạy hàng giờ trên hàng trăm dataset. Giám sát lúc đó chỉ là trạng thái pass/fail của job trên dashboard Azkaban tự làm (Kyaraben).