Bài tóm tắt
Tóm tắt bằng lời riêng, luôn dẫn về bài gốc. 49 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.
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").
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…
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…
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.
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.
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.
Migrating billions of records: moving our active DNS database while it's in use
Theo W3Techs (10/2024), Cloudflare là authoritative DNS của 14,5% website. Zone lớn nhất có ~4 triệu record, phần lớn zone dưới 100.
How Figma's databases team lived to tell the scale
Stack DB của Figma tăng gần 100 lần từ 2020. Cuối 2022 đã có cache, read replica và khoảng 12 DB tách dọc ().
Maxjourney: Pushing Discord's Limits with a Million+ Online Users in a Single Server
Mỗi server (guild) là một process Elixir làm điểm định tuyến trung tâm; mỗi client kết nối là một process session. Guild fan-out mọi hành động tới session, session đẩy qua websocket.
How Discord Stores Trillions of Messages
Tiếp nối . Cụm cassandra-messages tăng từ 12 node (2017) lên 177 node, hàng nghìn tỷ tin nhắn (đầu 2022).
How Discord Supercharges Network Disks for Extreme Low Latency
Discord chạy các cụm ScyllaDB trên Google Cloud, khoảng 4 tỉ tin nhắn/ngày (2022). Khi tải cao, hàng đợi đọc đĩa của DB tăng mãi và query bắt đầu timeout.
Building Scalable Real Time Event Processing with Kafka and Flink
Event từ service và thiết bị phải tới warehouse OLAP (Snowflake), tới nền tảng ML (feature realtime như thời gian chờ trung bình của nhà hàng), tới backend metric (Chronosphere) để giám sát bản app mới.
Cut-over logic in vitess schema migrations
Online DDL (pt-online-schema-change, fb-osc, gh-ost, Vitess): tạo bảng bóng với schema mới, chép dữ liệu, bắt kịp thay đổi, rồi cut-over: đổi tên bảng gốc đi và đưa bảng bóng vào chỗ.
Building Multi-Region Resiliency with Amazon RDS and Amazon Aurora
Mảng Transaction Banking của Goldman Sachs phải chứng minh với cơ quan quản lý và kiểm toán rằng hệ thống vẫn chạy khi mất cả một vùng địa lý hoặc khi nhà cung cấp cloud sự cố lớn.
Scaling Kubernetes to 7,500 nodes
Một cụm duy nhất 7.500 node, chọn vì hạ tầng đơn giản cho phép team nghiên cứu scale mà không đổi code.
Migration from HBase to MyRocks at Quora
Quora có hai kho dữ liệu chính, MySQL (đã tự shard dọc và ngang) và HBase (key-value, 3 cluster để cô lập). Hai hệ rất phức tạp và không chia sẻ được kiến thức hay công cụ với nhau.
Resiliency and Disaster Recovery with Kafka
Team Motors Vertical (eBay Classifieds Group) chạy phần mềm ở nhiều region, định kỳ diễn tập tắt cả một region. Kafka là thành phần quan trọng nhất, nhưng chạy Kafka nhiều cluster active/active vẫn khó, kể cả với…