Replacing the HDB: ClickHouse for historical ticker data

From a “Buzzword” to a “Direction” — How AI Pulled Me Into the World of Data

Một sinh viên tốt nghiệp ngành ứng dụng máy tính chia sẻ hành trình từ kiến thức lập trình cơ bản đến xây dựng mô hình phân loại bệnh võng mạc tiểu đường nhờ AI, chứng minh rằng sự tò mò và ham học hỏi là đủ để bước chân vào lĩnh vực AI và khoa học dữ liệu, ngay cả khi không có nền tảng toán nâng cao.

Một lập trình viên nên đọc bài này để hiểu cách chuyển đổi từ kiến thức cơ bản đến dự án thực tế AI như phân loại bệnh từ hình ảnh, chứng minh rằng với sự tò mò và tinh thần học hỏi, họ có thể xây dựng được những giải pháp mạnh mẽ mà không cần phải nắm toàn bộ lý thuyết toán học phức tạp.

How Vibe.co handles billions of ad impressions with ClickHouse Cloud

Vibe.co, nền tảng quảng cáo TV kết nối bị Walmart mua lại, đã chuyển từ Postgres sang ClickHouse Cloud để xử lý hàng tỷ lượt hiển thị quảng cáo. Giải pháp này loại bỏ lớp tiền tổng hợp kém ổn định, mở rộng dữ liệu lưu trữ từ ~100 GB lên hơn 2 TB mà không cần thay đổi kiến trúc, đồng thời cung cấp 90%+ báo cáo chiến dịch cho khách hàng trong dưới 100ms.

Những kỹ thuật tối ưu hóa quy mô lớn của Vibe.co cho ClickHouse Cloud sẽ giúp bạn hiểu cách xử lý dữ liệu thời gian thực hiệu quả, giảm chi phí và tăng tốc độ báo cáo khi làm việc với lượng dữ liệu khổng lồ.

My 7-year-old GPU runs local AI perfectly, and I don't need my cloud subscriptions anymore

Các mô hình MoE và kỹ thuật lượng tử hóa (quantization) cho phép chạy AI cục bộ trên GPU cũ 8GB VRAM như RTX 2070 Super, thay thế được các gói cloud nhờ các model như Qwen3-Coder 8B hay Gemma 4 E4B. Các công cụ như Ollama (dòng lệnh) hay LM Studio (GUI) giúp triển khai dễ dàng, nhưng cần lưu ý tốc độ sinh token, kích thước cửa sổ ngữ cảnh và hỗ trợ tool calling.

Nếu bạn đang tìm cách tiết kiệm chi phí và tăng hiệu suất cho các ứng dụng AI hàng ngày mà vẫn giữ được chất lượng cao, thì bài viết này sẽ cho bạn cách tối ưu hóa mô hình AI với GPU cũ và công nghệ MoE/quantization để làm việc hiệu quả mà không cần phụ thuộc vào cloud.

What's New in pg_clickhouse v0.3.2: Postgres 19, TLS, Regex, and Memory

Phiên bản pg_clickhouse v0.3.2 bổ sung hỗ trợ PostgreSQL 19 Beta1, các tùy chọn kết nối TLS mới (secure, min_tls_version), cải tiến xử lý regex giữa Postgres và ClickHouse, cùng tối ưu bộ nhớ cho truy vấn HTTP không đệm và tái quét join lồng. Ngoài ra còn có tùy chọn nén native protocol, cải thiện pushdown cho regexp_match() và sửa lỗi ANY() trên mảng rỗng.

Lập trình viên cần đọc bài này để cập nhật về cải tiến mới trong pg_clickhouse v0.3.2, đặc biệt là hỗ trợ PostgreSQL 19 beta1 và các tính năng TLS nâng cao, giúp tối ưu hóa kết nối và bảo mật cho ứng dụng của họ.

Which programming language to use for coding interviews

Lựa chọn ngôn ngữ lập trình cho phỏng vấn kỹ thuật ảnh hưởng lớn đến hiệu suất, trong đó Python và Java thường được ưu tiên. Nên dùng ngôn ngữ đã thành thạo, trừ trường hợp vị trí đặc thù yêu cầu ngôn ngữ khác. Không nên học ngôn ngữ mới chỉ để phục vụ phỏng vấn.

Lập trình viên nên đọc bài này để tránh rủi ro khi phải chọn ngôn ngữ mới trong cuộc phỏng vấn mà không có kinh nghiệm thực tế, giúp họ chuẩn bị tốt hơn về kỹ năng và tự tin trong quá trình thi tuyển.

Google Consent Mode v2

Google Consent Mode là tính năng quan trọng của Google giúp quản lý sự đồng thuận (consent) của người dùng đối với cookie và dữ liệu, phiên bản v2 bổ sung các tham số mới (như ad_user_data, ad_personalization) để nâng cao khả năng tuân thủ quy định. Nó có thể triển khai thông qua Google Tag Manager, SDK di động hoặc chỉnh sửa mã trực tiếp.

Những thay đổi trong Google Consent Mode v2 sẽ ảnh hưởng trực tiếp đến cách dữ liệu quảng cáo và tracking được thu thập trên website, nên đọc bài này giúp lập trình viên cập nhật kiến thức để bảo vệ quyền riêng tư người dùng và tối ưu hóa hiệu quả quảng cáo theo quy định mới.

Career stories: The math-music connection in data science

A machine learning engineer at LinkedIn shares his career transition from professional violinist to data scientist, enabled by LinkedIn's REACH apprenticeship program for non-traditional tech backgrounds. He describes working on LinkedIn's feed recommendation algorithm, handling big data at the scale of 500 million rows using Spark and Hadoop, and founding a data club for ML apprentices. His advice centers on finding passion in the work and staying curious about how technology can improve people's lives.