Kotlin Coroutines: Part 1 — Under the Hood

Java 21 to 25: 22.7% increase in throughput (RPS) and a 20.1% reduction in average latency.

Báo cáo benchmark thực tế từ đội thanh toán quốc tế của Trendyol cho thấy việc nâng cấp từ Java 21 lên Java 25 (LTS) giúp tăng 22,7% throughput (RPS), giảm 20,1% độ trễ trung bình, tiết kiệm 63–120MB RAM và giảm 50% overhead dữ liệu mạng. Để tối ưu, cần bật -XX:+UseCompactObjectHeaders, nâng cấp Gradle lên v9.1+ và xây dựng lại image runtime thay vì chỉ thay đổi runtime.

Lập trình viên nên đọc bài này để tìm hiểu cách tối ưu hóa hiệu suất ứng dụng Java thông qua các phiên bản mới nhất, từ đó tiết kiệm tài nguyên và cải thiện trải nghiệm người dùng hiệu quả.

Mastering Jetpack Compose Side-Effect Handlers

Bài viết phân tích sâu về các API xử lý hiệu ứng phụ (side-effect) trong Jetpack Compose, bao gồm cả các trình xử lý suspend và không suspend. Nó giải thích chi tiết về LaunchedEffect (coroutine gắn với vòng đời composition, khởi động lại dựa trên key), rememberCoroutineScope (khởi chạy coroutine từ sự kiện UI như onClick), DisposableEffect (dọn dẹp bắt buộc như observer vòng đời), và SideEffect (đồng bộ trạng thái Compose với hệ thống bên ngoài sau composition). Mỗi trình xử lý được minh họa bằng cấu trúc bên trong (RememberObserver, khối remember) và ví dụ code thực tế.

Lập trình viên cần đọc để hiểu cách quản lý hiệu ứng phụ trong Compose một cách hiệu quả, từ việc xử lý các tác động của UI đến việc kết hợp coroutine với lifecycle, tránh rủi ro về bộ nhớ và hiệu suất khi làm việc với các hoạt động ngoại sinh.

Kotlin Comes to BlueJ

BlueJ 6.0 tích hợp hỗ trợ Kotlin, cung cấp cú pháp ngắn gọn, an toàn null và phân biệt val/var nhằm đơn giản hóa lập trình OOP cho sinh viên. JetBrains cũng cung cấp tài liệu hướng dẫn và giáo án dành cho giảng viên.

Lập trình viên học lập trình cơ sở hoặc chuyển đổi sang Kotlin từ Java sẽ tìm hiểu cách BlueJ 6.0 tích hợp Kotlin giúp giảm thiểu công việc lặp lại và làm sáng tỏ cách ngôn ngữ này tối ưu hóa OOP với tính năng null safety và syntax ngắn gọn.

JRuby & Rails Compatibility Table - FastRuby.io

Bảng tham chiếu tương thích này liệt kê phiên bản JRuby từ 9.2 đến 10.1, bao gồm mức ngôn ngữ Ruby, phiên bản Java tối thiểu và phiên bản Rails hỗ trợ. JRuby 10 cải thiện thời gian khởi động nhờ AppCDS và Project CRaC, trong khi lợi thế của JRuby so với CRuby MRI bao gồm đa luồng thực sự (không có GVL), truy cập hệ sinh thái JVM và triển khai dưới dạng một artifact duy nhất.

Lập trình viên phát triển ứng dụng Rails cần tham khảo bảng so sánh này để chọn phiên bản JRuby phù hợp với yêu cầu Ruby version, Java cốt lõi và Rails version, giúp tối ưu hiệu năng, tương thích và triển khai nhanh chóng.

jetc.dev Newsletter Issue #319

Bản tin jetc.dev số 319 cập nhật các phiên bản mới nhất của Jetpack Compose gồm bản vá 1.11.3, beta 1.12 đầu tiên và Compose Multiplatform 1.12.0-alpha02. Nội dung nổi bật bao gồm hỗ trợ iOS cho Jetpack Ink, các BOM mới, lifecycle/viewmodel-compose 2.11.0 mở rộng đa nền tảng, thư viện locationbutton Compose mới, cùng nhiều chủ đề như scoping ViewModel, Coil 3 cho tải ảnh đa nền tảng, kiểm thử screenshot theo locale, và các thư viện mã nguồn mở mới.

Những tiến bộ mới trong Jetpack Compose và Compose Multiplatform từ phiên bản 1.12 beta sẽ giúp bạn tối ưu hóa ứng dụng Android/iOS/native với các tính năng mới như ink iOS, viewmodel scoping và Coil 3, từ đó nâng cao hiệu suất và tính đa nền tảng cho dự án.

Mobile Observability Architecture: Connecting Crashes, Logs, Traces, API Failures, and Business Events

Mobile observability goes far beyond crash reporting. A mature architecture connects five signal classes — crashes, structured logs, distributed traces, API failure telemetry, and business events — using shared correlation identifiers (session ID, flow ID, trace context headers) across mobile clients and backend services. The post covers a four-layer model (instrumentation, correlation, backend propagation, analysis), a Kotlin OkHttp interceptor example for attaching request context, common misconceptions (crash-free rate ≠ healthy app, backend traces don't explain client-side failures), key architectural trade-offs (privacy vs. detail, fidelity vs. cost, real-time vs. battery), and a practical checklist. A real-world case study illustrates how joining mobile API failure events, backend payment traces, and product analytics revealed a post-payment polling bug invisible to any single dashboard.

Beyond CLEAN and MVP: Architecting an Offline-first Reactive Data Layer in Android

Reactive Data Layer Architecture (RDLA) is a mobile-optimized pattern for Android that addresses shortcomings of MVP and Clean Architecture in reactive, offline-first apps. It enforces a strict split between public API contracts and private implementation modules, uses Kotlin Flow cold streams so the UI subscribes to data rather than polling, and treats the local Room database as the single source of truth. The article walks through a heart rate tracking example covering the API module, repository coordinator, Room data source, ViewModel with StateFlow/SharedFlow, asynchronous mutation queues merged on-the-fly, WorkManager-backed background sync, conflict resolution with rollbacks, and a TestExtensions pattern for Robolectric-based unit tests without SQLite mocking.