Bài tóm tắt
Tóm tắt bằng lời riêng, luôn dẫn về bài gốc. 339 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.
Data Mesh at Grab (Part III): Operationalizing data reliability with automated DPIs
Grab chuyển từ một đội Data Engineering trung tâm sang data mesh: các team tự publish data product, được chứng nhận (chủ sở hữu, tài liệu, lineage, kiểm chất lượng) qua Hubble (metadata, lineage), Genchi (quan sát chất…
Our Migration to FoundationDB, Part 1
Queue của Inngest quyết định job nào chạy tiếp, cho account nào, trên executor nào; mọi lần chạy function đều đi qua nó, và nó phải giữ công bằng giữa các tenant. Hiện chạy nhiều shard queue tách theo bậc giá (free,…
Incident report for September 18, 2026: When Deletion Cascades Exhausted Our Database Connections
Postgres chính của Inngest giữ dữ liệu quản lý account (account, workspace, cấu hình). Service hỏi nó định kỳ (quyền theo gói, account chạy trên phần hạ tầng nào) qua PgBouncer, và mọi service dùng chung các pool.
1M messages per second: Applying E2EE to Apache Kafka in the LINE app
Một topic Kafka lớn của LINE, tới 1 triệu message/giây, do một team publish và nhiều team consume, chứa dữ liệu cá nhân nhạy cảm.
A Kubernetes Resource That Doesn't Exist: Caching CI Images on Ephemeral Runners
Mercari tự chạy runner GitHub Actions bằng Actions Runner Controller (ARC) trên GKE, runner tạm (ephemeral), chế độ Docker-in-Docker: mỗi pod runner có container runner và một Docker daemon sidecar, job chạy trong…
Turborepo Remote Cache: Accelerating CI to Move Fast
Nhiều repo web của Mercari là monorepo dùng Turborepo (song song hoá task, cache theo task). Runner GitHub Actions tự host là runner tạm, nên cache cục bộ của Turborepo mất sau mỗi job; action cache chung của GitHub…
Capacity Efficiency at Meta: How Unified AI Agents Optimize Performance at Hyperscale
Với code phục vụ hơn 3 tỉ người, hồi quy hiệu năng 0,1% đã là lượng điện đáng kể. Chương trình Capacity Efficiency của Meta có hai mặt: tấn công (tìm cơ hội tối ưu code đang chạy) và phòng thủ (phát hiện hồi quy trong…
2026 World Cup: record traffic, reliability at scale
World Cup 4 năm một lần là "bài kiểm tra tải có kế hoạch lớn nhất" của Meta. 2026: 48 đội, 104 trận, 39 ngày liên tục có đỉnh.
Inside branch-based restores in Lakebase Postgres
Theo Neon, restore ở Postgres managed truyền thống chậm và càng chậm khi DB càng lớn. Failover sang replica giúp khi máy chết, nhưng không giúp khi lệnh ghi sai hay DROP TABLE đã sang cả standby: lúc đó vẫn phải restore.
Enabling Multi-Region Data Systems at Notion
Notion ra mắt data residency cho khách EU: dữ liệu khách được xử lý và lưu trong region nơi nó sinh ra, kể cả khi index cho search, chạy analytics hay tạo embedding cho AI.
Balancing cost and reliability for Spark on Kubernetes
Notion chạy nhiều job Spark production, có job vài phút, có job hàng giờ trên hàng trăm worker. Spark chịu được mất một executor (retry task, tính lại), nhưng mất nhiều executor cùng lúc thì mất dữ liệu shuffle, tính…
Building visibility into a CI platform
Lượng code qua pipeline của Optiver tăng mạnh vài năm gần đây, không chỉ do software engineer: researcher và trader cũng viết code (visualisation, thí nghiệm, tự động hoá phân tích) qua cùng pipeline build/test, và AI…
Building Kubernetes PR Previews with Shared Pulumi Components
Team phát triển một ứng dụng microservice trên Kubernetes, hàng trăm PR mỗi ngày; mỗi PR cần một môi trường riêng để test và review trước khi merge.
Incident Report: July 2, 2026 — US East Services Outage
Railway tự vận hành datacenter ("Metal"); mỗi site nối với ít nhất ba nhà mạng Tier 1 để mất một nhà mạng vẫn chạy.
Me and my shadow (link!): Disaster recovery replication made easy
DR cho dữ liệu streaming gần như luôn là sao chép liên tục sang cụm khác. Hai đại lượng: RTO (bao lâu chạy lại được) và RPO (mất bao nhiêu dữ liệu, đo bằng thời gian).
Multi-region high availability for Kafka workloads with a single Stretch Cluster
Pipeline dữ liệu quan trọng chạy nhiều gigabit/giây, trải nhiều region. Sao chép bất đồng bộ (mirroring) luôn để lại cửa sổ mất dữ liệu và cần bước failover.
Infrastructure patterns for agentic applications
Cách làm agent đầu tiên thường là bọc model trong một route handler và chờ response. Theo Render, đó là thứ hỏng đầu tiên ở production: agent chạy lâu (giờ, có khi ngày), có trạng thái (mục tiêu, kế hoạch, kết quả tool,…
AI Agent Observability: Making Silent Production Failures Visible and Actionable
Agentforce Health Monitoring (AHM) giúp người dựng agent và người vận hành của khách phát hiện sự cố về khả dụng của agent ở production, điều tra, và định tuyến alert theo quy trình của tổ chức họ.
Engineering Real-Time Mobile Personalization Across iOS, Android, React Native, and Flutter
Salesforce Personalization đã cá nhân hoá web theo profile; mục tiêu là đưa sang app native mà không thành thêm một kênh tách biệt (khách xem đồ ăn Ý trên web, mở app vài giây sau mà nhận trải nghiệm chung chung).
How Intelligent Load Shedding Prevents Cascading Failures in Tier-0 Systems
Cloud Atlas là kho dữ liệu định danh phân tán toàn cầu phía sau phần lớn việc xác thực của Salesforce: mỗi lần đăng nhập, mỗi lần kiểm token đều cần nó. Mục tiêu five nines (khoảng 5 phút downtime mỗi năm), dữ liệu trải…
How Deterministic Controls Turn AI Output Into Reliable Prompt Templates
Prompt Builder cho admin tạo prompt dùng lại với placeholder lấy dữ liệu CRM lúc chạy. Viết một template tốt cần biết dữ liệu của org, merge field và cú pháp Jinja, chọn input và data provider, và giữ kết quả hợp lệ…
Apache Spark Resource Optimization: Lessons From Eight Million Jobs a Day
Data 360 của Salesforce chạy khoảng 8 triệu lần Spark mỗi ngày (2026), từ job ngắn tới job xử lý TB trong nhiều giờ. Hoá đơn compute tăng trong khi job vẫn thành công. Theo bài: thành công chỉ chứng minh cấu hình chạy…
Integrated Gauges: Lessons Learned Monitoring Seastar's IO Stack
Hệ giám sát kiểu scrape (Prometheus) chỉ lấy một điểm mỗi chu kỳ. Với giá trị đổi hàng nghìn lần mỗi giây (độ dài hàng đợi, latency request) mà chu kỳ scrape tính bằng phút, điểm lấy được chỉ là ảnh chụp ngẫu nhiên:…
Building a New Rust Driver for ScyllaDB's DynamoDB API – with 58% More Throughput
Alternator là API tương thích DynamoDB của ScyllaDB. Dev Rust trước đó dùng SDK DynamoDB chuẩn của AWS. SDK đó thiết kế cho dịch vụ managed sau một endpoint duy nhất (AWS tự định tuyến phía sau), nên khi trỏ vào…