Bài tóm tắt
Tóm tắt bằng lời riêng, luôn dẫn về bài gốc. 931 bài. Đọc miễn phí.
Nguồn dữ liệu danh sách bài viết của blog công ty
Danh sách bài trên trang công ty gồm 10.013 bài. Khoảng 73,6% (7.365 bài) do SWE Wiki thu thập thủ công từ kho lưu trữ blog chính chủ của các công ty, kèm ngày đăng. Phần còn lại lấy từ các danh sách công khai trên GitHub: binhnguyennus/awesome-scalability (667), abhivaikar/howtheytest (551), upgundecha/howtheysre (499), eugeneyan/applied-ml (376), Engineer1999/ML-System-Design-Case-Studies (239), upgundecha/howtheyaws (149) và một số danh sách nhỏ khác. Mọi link luôn dẫn về bài gốc trên blog của tác giả; SWE Wiki không sao chép nội dung bài. Hiện 8.979 bài thuộc 133 công ty có trang riêng được hiển thị cho thành viên. Cảm ơn những người duy trì các danh sách đó.
From Static Rate Limiting to Adaptive Traffic Management in Airbnb's Key-Value Store
Mussel là kho key-value multi-tenant cho dữ liệu dẫn xuất. Mọi lượt tra cứu (search, hỗ trợ khách...) cuối cùng đều chạm vào nó. Mussel là một fleet dispatcher stateless (pod Kubernetes) đứng trước storage.
Safeguarding Dynamic Configuration Changes at Scale
Dynamic config cho đổi hành vi lúc chạy mà không deploy lại: mở form địa chỉ cho một vùng mới, siết luật phân quyền, chỉnh timeout khi dependency chậm. Nhanh cho iterate và xử lý sự cố, nhưng một thay đổi xấu gây hồi…
Building a fault-tolerant metrics storage system at Airbnb
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.
Monitoring Reliably at Scale
Airbnb có hơn 1.000 service chạy trên hạ tầng chung (Kubernetes, service mesh Istio). Team Observability (nhỏ) dựng metrics platform trên chính những nền tảng đó, nên có phụ thuộc vòng: hệ để phát hiện sự cố hạ tầng lại…
Beyond synthetic testing: Capturing and replaying real database workloads at Airbnb
Fleet MySQL-compatible của Airbnb (2026): hàng trăm cụm, hàng nghìn use case, hàng triệu QPS. Bài toán: định cỡ cụm cho tăng trưởng, giữ hành vi qua nâng cấp và migration, tái hiện sự cố để debug.
Sitar-agent: Building a reliable dynamic configuration sidecar at scale
Config thay đổi vài lần mỗi phút, phải tới hàng nghìn service, hàng chục nghìn pod, trong vài chục giây, không cần deploy lại. Config luôn phải đọc được kể cả khi Sitar Service sập (cũ một chút thì được, không đọc được…
From vendors to vanguard: Airbnb's hard-won lessons in observability ownership
Airbnb ban đầu thuê ngoài observability. Theo Airbnb, khi công ty trưởng thành, nhu cầu lệch khỏi động cơ của nhà cung cấp: tính tiền theo lượng dữ liệu nạp vào, nên chi phí tăng, trong khi thêm dữ liệu không tự làm…
Real-Time Data Lake Ingestion Is Saying Goodbye to ETL: Architectural Subtraction from Kafka to Iceberg
Bộ ba Kafka + Iceberg + object storage thành tổ hợp phổ biến: Kafka nhận dòng dữ liệu, Iceberg tổ chức thành bảng có schema và query được, object storage giữ lịch sử rẻ. Theo Alibaba, S3 Tables (AWS, 2024) làm hướng này…
Disaster Recovery for Databases: High-availability Architecture of PolarDB-X
Bốn mức rủi ro: process (OOM, segfault; xác suất cao, ảnh hưởng một service) → máy (kernel panic, hỏng đĩa) → data center (mất điện, đứt cáp) → thành phố (động đất, lũ; xác suất rất thấp). Mỗi mức cần một cách bảo vệ…
RocketMQ High-Availability Paper Admitted to ACM FSE: Replication-Free Failover
Alibaba Cloud chạy hàng nghìn cụm RocketMQ tách theo tenant. Theo bài, dịch vụ có trạng thái trên cloud muốn ba thứ vốn kéo ngược nhau: rẻ, hiệu năng ổn định, phục hồi nhanh.
How AI Agents Halved the Effort of Migrating 500 Gradle Modules from Koin to Hilt
Q3 2024: cold start của app Android Allegro lên 6,0 giây (p90), ANR 0,13%, số gỡ cài đặt tăng mạnh, nặng nhất trên máy cũ và yếu. Sau khi khởi tạo bất đồng bộ (Q4 2024), Q1 2025 cold start còn 4,7 giây, ANR 0,08%, gỡ…
How we achieved independent deployments in a micro-frontend architecture
Hơn 120 team phát triển frontend qua framework nội bộ Opbox (từ 2016). Service opbox-web render toàn bộ frontend và đóng gói hơn 1.200 component/plugin/service (gói npm) làm phụ thuộc.
How we built Claude Code auto mode: a safer way to skip permissions
Mặc định Claude Code hỏi người dùng trước khi chạy lệnh hay sửa file; theo Anthropic người dùng chấp nhận 93% số lời hỏi, dẫn tới "mỏi duyệt" và duyệt không còn chú ý. Hai lối thoát sẵn có: sandbox (an toàn nhưng tốn…
Scaling Managed Agents: Decoupling the brain from the hands
Harness (vòng lặp gọi model và chuyển tool call tới hạ tầng) chứa giả định về những gì model chưa tự làm được, và giả định đó cũ đi khi model tốt lên. Anthropic muốn một dịch vụ có interface bền hơn mọi cách cài đặt cụ…
Quantifying infrastructure noise in agentic coding evals
Benchmark coding kiểu agent (SWE-bench, Terminal-Bench) cho model cả một môi trường để viết code, chạy test, cài dependency qua nhiều lượt; runtime không còn là container thụ động mà là một phần của bài toán. Bảng xếp…
The Events Rail: Inside Atlassian's Webhook Delivery Platform
webhooks-processor ("events rail") đánh giá, ghép và giao event từ Jira, Confluence, Bitbucket tới app Forge, repository hook, endpoint audit log. Forge là consumer lớn nhất.
Online index migration and shard-scaling in OpenSearch with AOSC
Team Core Index Serving (Search Platform) vận hành OpenSearch phía sau search của Confluence, Jira và Rovo: hơn 300 cụm, hơn 2.500 data node, 1,7 PB, cụm dùng chung và cụm theo tenant ở 13 region (2026).
Scaling StreamHub: Transitioning from Kinesis to Kafka for 145 Billion Daily Events
StreamHub là event bus của Atlassian (click, impression, API call, CDC, telemetry). Đã có trong wiki ở vai trò nền tảng cho Jira realtime năm 2019 ().
Session revocations at scale
Session của hàng trăm triệu người dùng nằm trong cookie mã hoá (user ID, quyền, vai trò), nên gateway tin được cookie mà không cần gọi kho dữ liệu cho mỗi request (hàng trăm nghìn lần mỗi giây).
Worker Backpressure (Part 1): How we taught our queue workers to slow down
Canva chạy hàng nghìn queue; worker được viết "tham lam": có message và còn sức là lấy xử lý ngay. Lúc dependency khoẻ thì đó là điều mong muốn.
How we made ClickStack 5x faster for ClickHouse observability
Schema log/trace mặc định của ClickStack thừa hưởng từ exporter ClickHouse của OpenTelemetry Collector, do cộng đồng đóng góp, chưa dùng tính năng mới của ClickHouse, và chưa từng được benchmark theo workload thật.
How LinkedIn extended ClickHouse from distributed tracing to metric discovery and analytics
Hệ tracing dựa trên OpenTelemetry theo request từ app của member xuống mọi service. Lấy mẫu đầu 1% mà vẫn sinh khoảng 0,8 nghìn tỉ span và 200 TB chưa nén mỗi ngày.
Why we rewrote WAL-G for Postgres backups in Rust: Meet WAL-RUS
Với Postgres managed, lưu trữ WAL liên tục (WAL archival) là thứ bảo đảm độ bền và khả năng khôi phục. Họ dùng WAL-G (viết bằng Go), công cụ trưởng thành và ổn định.
500 Tbps of capacity: 16 years of scaling our global network
2010: khởi đầu từ một văn phòng ở Palo Alto, một nhà cung cấp transit (nLayer, nay là GTT), một reverse proxy cài bằng cách đổi hai nameserver.