Bài tóm tắt
Tóm tắt bằng lời riêng, luôn dẫn về bài gốc. 72 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.
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.
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 ().
A postmortem of our May 7, 2026 outage
Tối 7/5/2026 (19:20 ET): nhiều máy làm lạnh hỏng cùng lúc trong một data hall của AWS us-east-1 (AZ use1-az4). Rack tự tắt vì nhiệt, kéo theo EC2 và EBS trong toà nhà đó. Nhiều công ty khác cũng bị ảnh hưởng.
You've Got (Too Much) Mail: Behind the Scenes of the 3/25/26 Voice Outage
25/3/2026, 12:13–15:30 PDT: voice/video suy giảm nặng; user không bắt đầu hay tham gia được cuộc gọi ("Awaiting Endpoint").
Migrating Etsy's database sharding to Vitess
Etsy shard MySQL từ khoảng 2010: ~1.000 bảng trên ~1.000 shard, hơn 425 TB, ~1,7 triệu request/giây (2026).
Attack of the Shards: Our Migration to FoundationDB, Part 2
Inngest (nền tảng durable execution) chuyển queue từ Valkey (bản fork của Redis, chạy trong RAM, thao tác queue đơn luồng) sang FoundationDB (KV có transaction, dữ liệu trên đĩa).
KernelEvolve: How Meta's Ranking Engineer Agent Optimizes AI Infrastructure
Fleet phần cứng của Meta không đồng nhất: GPU NVIDIA, GPU AMD, chip MTIA tự làm (4 thế hệ trong 2 năm), CPU. Mỗi phép toán của model phải có kernel tối ưu cho từng chip; số kernel = {loại và thế hệ phần cứng} × {kiến…
Migrating Data Ingestion Systems at Meta Scale
Mỗi ngày, hệ ingestion của Meta cào tăng dần vài petabyte dữ liệu social graph từ MySQL (một trong những cụm MySQL lớn nhất thế giới) vào data warehouse để phục vụ analytics và training model.
Enabling the next-generation trait solver on nightly
Sau gần 4 năm, trait solver thế hệ mới sắp ổn định. Theo đội Rust, đây là thay đổi đơn lẻ lớn nhất của compiler kể từ bản đầu: thay toàn bộ cách chứng minh where-clause, chuẩn hoá associated type... Lợi ích chính nằm ở…
Engineering Multi-Agent AI Teams That Build and Test Themselves
Engineer ở Marketing Cloud dựng "đội agent" (nhiều agent phối hợp) bằng tay: viết YAML, prompt, profile, công cụ, model, ngân sách, giới hạn lượt; chạy thử, đọc output từng agent, chẩn đoán, sửa cấu hình, chạy lại; rồi…
We replaced Redis with MySQL for inventory reservations, and it scaled
Giữ hàng chống bán quá số lượng (oversell protection):
Building a data plane from scratch: Stripe's own high-performance distributed proxy
Mục tiêu độ tin cậy 99,9995% cho request thanh toán; service mesh nội bộ xử lý hàng triệu request/giây giữa hàng nghìn service (2026). Gần 10 năm dùng Envoy làm data plane.
How Stripe uses graph search and state machines to auto-remediate a global database fleet
Document Database của Stripe: khoảng 2.000 shard MongoDB, hơn 40 kiểu bố trí shard (từ tối ưu chi phí tới HA cho khôi phục thảm hoạ). Năm 2025 xử lý 1,9 nghìn tỷ USD thanh toán.
Upgrading a 56TB database that's growing at 250GB per day with (nearly) no downtime
Một cụm Aurora Postgres khoảng 56 TB: bảng run 29,4 TB, các bảng liên quan tới run 25,4 TB, dữ liệu control plane (tổ chức, project, billing, deploy) chỉ 1,23 TB. Tăng 250 GB/ngày.
From Chaos to Control: Addressing Shard Distribution Challenges in M3DB with Subclusters
M3DB là DB time-series phân tán của Uber: dữ liệu chia shard, mỗi shard có RF bản sao; một thuật toán placement quyết định node nào giữ shard nào.
Hardening EmergencyReparentShard in v25
EmergencyReparentShard (ERS) là failover của Vitess khi primary của shard chết hoặc không liên lạc được. VTOrc dùng ERS để tự xử lý nhiều sự cố. Primary chết thì shard không ghi được, nên càng nhanh càng tốt, nhưng phải…
From Homegrown to Flink: Migrating a Stateful Ad Event Join at Scale
Mảng quảng cáo (Sponsored Products) phải ghép mỗi lượt xem hoặc click với phiên đấu giá gốc trong cửa sổ 15 phút để tính tiền. Event đến sau 15 phút bị bỏ, nên tỷ lệ ghép là chỉ số sống còn.
Scaling Reliable Experimentation in a Two-Sided AdTech Marketplace: ZMS Budget Split
Zalando Marketing Services (ZMS) bán quảng cáo sản phẩm ngay trên trang Zalando (retail media): nhà quảng cáo đấu giá vị trí, khách thấy kết quả, và cả hệ chạy trên một tài nguyên hữu hạn là ngân sách chiến dịch.
Redesigning Workers KV for increased availability and faster performance
Workers KV là kho KV toàn cầu: dữ liệu lưu ở storage theo vùng, cache khắp mạng Cloudflare; không chỉ khách hàng dùng mà còn là hạ tầng cho cấu hình, xác thực, phân phối asset của nhiều sản phẩm Cloudflare.
AWS CNI lessons from a Production Outage
Neon tách storage và compute cho Postgres serverless; mỗi compute là một VM nhẹ trong một pod Kubernetes. Cụm us-east-1 (2025): đỉnh khoảng 6.000 compute chạy mỗi ngày, khoảng 500 pod mới mỗi phút và tốc độ tắt tương…
Postgres High Availability with CDC
CDC từ database là chuyện thường. Theo PlanetScale, thiết kế replication của Postgres làm CDC ràng buộc với HA theo cách khó vận hành.
Report on our investigation of the 2025-10-20 incident in AWS us-east-1
20/10/2025, AWS us-east-1 gặp sự cố lớn bắt đầu từ cấu hình DNS sai ở một nhà cung cấp. Sau đó là nhiều giờ thiếu năng lực và mạng chập chờn.
No record left behind: How WarpStream can withstand cloud provider regional outages
Cụm thường của WarpStream dựa vào một region control plane, cam kết 99,99% uptime, độ bền ngang S3 hay DynamoDB. Nhiều hệ thống chấp nhận "region sập thì mình sập", tức là uptime bị chặn trên bởi region của nhà cung cấp.