
Amazon Managed Service for Prometheus is now available in the Asia Pacific (New Zealand) AWS Region. The fully managed, Prometheus-compatible monitoring service supports up to 1 billion active metric series per workspace and allows multiple workspaces per account for storing and querying operational metrics at scale.
Nguồn: https://aws.amazon.com/about-aws/whats-new/2026/07/amazon-managed-service-prometheus-new-zealand. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
Kể từ ngày 23/6/2026, AWS giới thiệu chương trình Maintain (open beta) cho phép gia hạn chứng chỉ không cần thi lại bằng cách hoàn thành các khóa học kỹ thuật số và phòng lab trên AWS Skill Builder, tích đủ điểm (500 điểm cho cấp Associate, 700 điểm cho cấp Professional). Chương trình tự động gia hạn chứng chỉ cấp thấp hơn khi gia hạn chứng chỉ cấp cao hơn, yêu cầu có tài khoản Skill Builder hoạt động và chứng chỉ còn 90 ngày hết hạn. Phương thức Renewal (thi lại) vẫn được duy trì như lựa chọn thay thế.
Lập trình viên chuyên về cloud AWS nên đọc bài này để biết cách tiết kiệm thời gian và chi phí mà vẫn duy trì chứng chỉ chuyên môn cao mà không phải đối mặt với áp lực thi lại, đặc biệt khi các chương trình mới như Maintain có thể mở rộng cơ hội làm việc và phát triển sự nghiệp trong ngành công nghệ cloud.

AWS đã tích hợp mô hình privacy-filter của OpenAI vào Amazon SageMaker JumpStart. Mô hình này là một mô hình phân loại token hai chiều, chuyên phát hiện và che dấu PII (thông tin nhận dạng cá nhân) trong văn bản như số tài khoản, địa chỉ, email, tên, số điện thoại, URL, ngày tháng và bí mật, hoạt động nhanh nhờ xử lý chỉ trong một lượt forward pass. Người dùng có thể triển khai nó thông qua SageMaker Studio hoặc SageMaker Python SDK.
Lập trình viên cần đọc bài này để khám phá cách triển khai hiệu quả một mô hình bảo mật dữ liệu PII (Personal Identifiable Information) từ OpenAI trên AWS, giúp tự động hóa và tối ưu hóa quy trình xử lý an toàn dữ liệu trong ứng dụng của họ.

Mô hình đa phương thức Gemma-4-E2B-it của Google DeepMind đã được tích hợp vào Amazon SageMaker JumpStart, hỗ trợ đầu vào văn bản, hình ảnh và âm thanh cùng khả năng suy luận theo từng bước. Mô hình cung cấp các tính năng như nhận diện hình ảnh, video, gọi hàm gốc cho workflow agent, sinh mã và hỗ trợ đa ngôn ngữ, sẵn sàng triển khai qua SageMaker Studio hoặc SageMaker Python SDK.
Lập trình viên nên đọc bài này để khám phá cách tích hợp mô hình AI đa modal như Gemma-4-E2B-it vào dự án của mình để tự động hóa xử lý dữ liệu hình ảnh, âm thanh và văn bản, từ đó tiết kiệm thời gian và nâng cao hiệu suất trong việc phát triển ứng dụng thông minh.
Bài viết cung cấp hướng dẫn 12 bước có cấu trúc để gỡ lỗi dịch vụ Kubernetes LoadBalancer bị kẹt ở trạng thái Pending, bao gồm kiểm tra cấu hình, sự kiện, endpoints, pod, cloud controller, quyền IAM, thẻ subnet AWS, logs controller và hạn ngạch cloud, đặc biệt trong môi trường Amazon EKS.
Lập trình viên cần đọc bài này để giải quyết nhanh chóng và hiệu quả vấn đề LoadBalancer trong Kubernetes không hoạt động trong trạng thái Pending khi làm việc với các môi trường sản xuất, đặc biệt là trên Amazon EKS, mà không cần phải khám phá từng bước chi tiết.
AWS Lambda MicroVMs cung cấp sự cô lập cấp VM, trạng thái bền vững và thời gian khởi động mili giây, lấp khoảng trống giữa Lambda và EC2, nhưng trải nghiệm phát triển phức tạp hơn nhiều so với kỳ vọng. Chúng chỉ phù hợp với một nhóm nhỏ (môi trường thực thi AI bảo mật) trong khi hầu hết kỹ sư nên ưu tiên Lambda, EC2, ECS hoặc Fargate.
Là lập trình viên cần phát triển ứng dụng serverless hoặc quản lý infrastructure cloud, bạn nên đọc để hiểu cách AWS Lambda MicroVMs có thể thay thế EC2 trong trường hợp đặc biệt như bảo mật cho AI, nhưng cũng nhận diện rõ khi phức tạp vượt tầm sử dụng thông thường.
Kỹ sư backend chia sẻ quyết định kiến trúc khi xây dựng ứng dụng desktop/mobile cá nhân "local-first" bằng Flutter và SQLite, không cần server. Ứng dụng sử dụng cloud storage (iCloud/Google Drive) như một "courier" để đồng bộ dữ liệu, giải quyết xung đột bằng Last-Write-Wins timestamps, quản lý schema migrations của SQLite, và tận dụng kiến trúc local-first để áp dụng mô hình kinh doanh one-time purchase thay vì SaaS subscriptions.
Lập trình viên muốn xây dựng một ứng dụng cá nhân hiệu quả và linh hoạt mà không phụ thuộc vào cloud backend hoặc dịch vụ SaaS, đặc biệt khi cần tối ưu hóa chi phí và kiểm soát dữ liệu riêng tư.
Microsoft giới thiệu Brain, hệ thống AIOps nội bộ giám sát tình trạng sức khỏe đám mây tập trung của Azure. Sử dụng Azure Resource Graph làm digital twin thời gian thực, Brain phân tích ba loại tín hiệu (SLI, bộ theo dõi miền do nhóm đăng ký và chỉ số bên thứ ba) để xác định trạng thái, mức độ nghiêm trọng, phạm vi ảnh hưởng và nguyên nhân gốc rễ cho bất kỳ dịch vụ, khu vực hoặc tài nguyên khách hàng nào. Thay vì để các nhóm dịch vụ tự định nghĩa SLO, Brain áp dụng mô hình học máy để thiết lập ngưỡng động từ dữ liệu lịch sử, tự động khai báo sự cố, tạm dừng triển khai gây hại, định tuyến sự cố đến nhóm phù hợp và thông báo cho khách hàng bị ảnh hưởng. CTO Azure Mark Russinovich cho biết tính năng thông báo tự động đã giảm 4–6 lần số lượng ticket hỗ trợ khách hàng, đồng thời hệ thống đạt tỷ lệ khắc phục trong 15 phút cho 80–90% dịch vụ quan trọng. Microsoft cũng đang bổ sung các hệ thống agentic như Triangle, một hệ thống điều phối đa tác nhân dựa trên LLM để định tuyến sự cố mà không cần chuyển giao thủ công. Hiện Brain đã bao phủ 70–80% dịch vụ quan trọng của Azure, phần còn lại đang được triển khai.
Nếu bạn muốn khám phá cách AI tự động hóa quản lý sự cố và cải thiện phản ứng nhanh chóng trong cloud, Brain của Microsoft là ví dụ tuyệt vời về cách AI Ops kết hợp ML, tự động hóa và triết lý triết lý để tự động hóa quản lý dịch vụ, giảm thiểu thời gian xử lý và tối ưu hóa trải nghiệm cho cả nhà phát triển và khách hàng.
Tempo 3.0, phiên bản mới của hệ thống truy vết phân tán mã nguồn mở, giới thiệu kiến trúc tương thích Kafka cho microservices, tách biệt đường đọc-ghi, giảm yêu cầu sao chép RF3 xuống RF1, và thay thế ingesters/compactors bằng block-builders, live-stores cùng scheduler. Tính năng TraceQL metrics giờ đã sẵn sàng, hỗ trợ truy vấn metric trực tiếp từ trace data cùng toán tử so sánh mới, cùng nhiều cải tiến khác như giới hạn cardinality theo label, tối ưu truy vấn TraceQL AST, và công cụ di chuyển từ phiên bản 2.x.
Lập trình viên phát triển ứng dụng microservices nên đọc vì Tempo 3.0 mang đến kiến trúc Kafka-compatible cải tiến, giúp tối ưu hóa quy mô, giảm chi phí vận hành và cung cấp công cụ TraceQL mạnh mẽ để phân tích hiệu suất trực tiếp từ dữ liệu theo dõi phân tán.