Bài tóm tắt
Tóm tắt bằng lời riêng, luôn dẫn về bài gốc. 123 bài (đã lọc). 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.
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.
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.
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…
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).
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.
Rearchitecting the Workflows control plane for the agentic era
Workflows (engine durable execution chạy trên chính nền tảng Workers của Cloudflare) được thiết kế cho workflow do người kích hoạt (đăng ký, đặt hàng): mỗi người một instance, người không bấm nhanh được. Thực tế dần…
How Coinbase built a governed platform for internal operations
Support, vận hành, compliance, pháp lý, risk và engineer đều cần đọc/ghi dữ liệu khách hàng, mỗi nhóm một lý do chính đáng. Để tự nhiên thì công cụ admin sinh sôi, mỗi công cụ tự làm authorization, audit và rate limit.
Tracing Discord's Elixir Systems (Without Melting Everything)
Mỗi server Discord ("guild") là một process Elixir chạy độc lập, fan-out mỗi hành động tới các process "session", mỗi session đẩy xuống client. Một hành động của user là một chuỗi message giữa các process.
From Batch Snapshots to Near-Real-Time Data
Doximity đã có pipeline batch chép định kỳ snapshot của DB ứng dụng vào warehouse (Snowflake): tin cậy, nhất quán giao dịch, nhưng độ tươi tính bằng giờ. Họ thêm CDC để thay đổi có mặt trong vài phút, giữ nguyên batch…
Check 100 candidates, not 10 million documents: Faster kNN filters in Elasticsearch
Elasticsearch có hai cấu trúc ANN cho densevector: HNSW (đồ thị lân cận, đi từ hàng xóm sang hàng xóm, giữ beam numcandidates) và IVF (bbqdisk, gom vector quanh centroid, quét posting list gần nhất). Cả hai đều nằm theo…
Long on Research, Short on Bandwidth
Giao dịch của HRT dựa trên lượng tính toán nghiên cứu khổng lồ: train nhiều loại model trên nhiều năm lịch sử từ các sàn khắp thế giới rồi mô phỏng hành vi của chúng trong vô số kịch bản giao dịch.
A FUSE server for our in-house storage backend
Nhiều workload xử lý dữ liệu cần truy cập thông lượng cao vào lượng lưu trữ lớn. Trước đây dùng sản phẩm mua ngoài (Dell Isilon, VAST); khi dataset lớn dần và nghiên cứu cần truy cập nhanh hơn tới nhiều dữ liệu hơn, họ…
Scaling and benchmarking a critical message bus using a new indexing strategy
Aria là framework và hệ messaging nội bộ (dựa trên state machine replication) xử lý nhiều terabyte dữ liệu mỗi ngày (2026); client subscribe để nhận luồng message trực tiếp. Luồng chia theo topic dạng cây như hệ thư…
How recurring network maintenance exposed 6 bugs
Jane Street bảo trì mạng nhiều vào cuối tuần; mỗi lần một tủ rack có thể mất kết nối 15–25 phút. Hạ tầng Kafka nội bộ lẽ ra phải chịu được và tự nối lại. Nhiều tháng năm 2026, nó không chịu được: process segfault, rò…
How the controller-runtime Cache Actually Works, and Why Your Controller Does Not Crash the API Server
Hiểu lầm phổ biến: r.Get()/r.List() trong reconciler gọi thẳng API server và luôn thấy trạng thái mới nhất. Thực tế ngược lại.
Shadow Engine Recovery in NVIDIA Dynamo
Engine LLM ở production hay gặp lỗi phần mềm phục hồi được (process crash, lỗi CUDA phục hồi được, collective lỗi tạm thời) trong khi phần cứng và node vẫn khoẻ. Đường phục hồi chuẩn là cold restart: nạp weight vào HBM,…
NVIDIA Dynamo Snapshot: Fast Startup for Inference Workloads on Kubernetes
Inference cần scale theo tải, nhưng cold start một worker trên Kubernetes mất vài phút; trong lúc đó GPU đã cấp nhưng không sinh token, và hệ không kịp hấp thụ đỉnh tải.
Pushing Postgres beyond storage: scaling performance at Optiver
Một số database của Optiver chứa bảng nhỏ đổi rất thường xuyên, như cấu hình và dữ liệu giá, nằm thẳng trên đường đi của các hệ tự động; có thể có hàng nghìn process cần đồng bộ với chúng.
The feedback loops behind Kubernetes
Tác giả mở bằng việc chạy Postgres bằng tay: chọn node, gắn EBS, format, mount; dựng 1 primary + 2 replica trên ba máy; sửa /etc/hosts khi IP đổi; đổi tham số qua ssh. Mỗi bước có thể hỏng giữa chừng. Để khỏi bị gọi…
Postgres backups under the hood
Postgres có ba cách backup: logical (pgdump), file system, và continuous archiving (file system + WAL). Bài so sánh ba cách khi database lên hàng chục TB.
Behind the scenes: How Database Traffic Control works
Bài toán: database quá tải vì query đắt bất ngờ, kể cả nhiều query vừa phải cộng dồn lại.
Filtered Vector Search: What ACORN Fixes, and What Fixes ACORN
Filter metadata biến đồ thị HNSW thành các đảo rời: với m=16 mặc định, tập 1 triệu điểm có trung bình khoảng 21 cạnh mỗi node ở tầng 0; filter bỏ 96% điểm thì trung bình còn chưa tới 1 cạnh, việc duyệt bị kẹt trước khi…
Atomic slot migration with Redis 8.4
Redis Cluster chia key vào 16.384 hash slot (CRC16(key) mod 16384, hoặc phần trong {}), mỗi node giữ một tập slot. Phải dời slot khi scale out/in và khi một key, slot hay node quá tải (bộ nhớ, CPU, băng thông).
A Self-Baked Async FFI Framework for Rust <-> C# Interop
ScyllaDB chỉ có một database nhưng phải bảo trì một đàn driver, mỗi ngôn ngữ một cái. Ý tưởng "One Driver To Rule Them All" (từ hackathon nội bộ năm 2021): chỉ phát triển driver Rust, các driver khác là lớp binding mỏng…