The Maven Build Cache in Practice · Maarten on IT

We now auto-approve and merge 15% of PRs

Để giải quyết vấn đề hiệu suất làm việc, công ty đã triển khai hệ thống auto-approve và …

MapStruct — Nothing Falls Through

Bối cảnh là strict object mapping với MapStruct trên JDK 25, đảm bảo mỗi khi dữ liệu …

Multi-Agent and Multi-Repository Orchestration Patterns

Bối cảnh phát sinh nhu cầu quản lý thay đổi phần mềm đồng bộ trên nhiều agent và repository khi hệ thống ngày càng phức tạp. Nguyên nhân kỹ thuật bắt nguồn từ việc cần xử lý handoffs (chuyển giao tác vụ), dependencies (phụ thuộc), context (ngữ cảnh) và delivery (giao hàng) một cách hiệu quả giữa các thành phần phân tán. Hệ quả nếu không quản lý tốt sẽ dẫn đến xung đột code, trễ deadline và tăng chi phí bảo trì. Bài viết này đáng học vì nó cung cấp orchestration patterns cụ thể giúp giải quyết bài toán phức tạp này trong các dự án sử dụng GitLab, GitHub hay similar platforms.

Bài viết này giúp lập trình viên nắm vững cách phối hợp hiệu quả các thay đổi phần mềm qua nhiều agent và repository trong môi trường phức tạp.

Difflock: Lint Laravel Migrations and Diff Your Schema

Difflock là một package cho Laravel giúp kiểm tra các pending migrations thay đổi rủi ro và ghi nhận schema baselines. Package này sử dụng các API của Laravel Database để phân tích và xác định các thay đổi nguy hiểm trong migrations. Trong CI/CD pipeline, Difflock có thể chặn các migrations không an toàn trước khi deploy lên production. Điều đáng học là cách Difflock sử dụng reflection và database introspection để phát hiện các thay đổi phá vỡ dữ liệu như drop table hay change column type.

Difflock giúp phát hiện và ngăn chặn các thay đổi rủi ro trong migration Laravel, đảm bảo bảo mật và ổn định cho ứng dụng của bạn.

AI coding has made CI a bottleneck, so we reworked ours to keep up

Trước đây AI coding đã tạo ra điểm nghẽn trong CI/CD pipeline khiến thời gian chờ PR và chi phí vận hành tăng cao. Nguyên nhân kỹ thuật đến từ việc hệ thống CI không được tối ưu cho khối lượng công việc do AI tạo ra. Công ty đã tái thiết kế CI từ hạ tầng đến cách lập lịch và song song hóa test, giúp giảm đáng kể thời gian chờ PR và chi phí chạy. Họ sử dụng các kỹ thuật như test parallelization và workflow scheduling để tối ưu hóa hiệu suất. Bài viết mang lại bài giá trị về cách tiếp cận CI/CD như một hệ thống thống nhất thay vì các component riêng lẻ.

Bài viết này giúp lập trình viên tối ưu hóa hệ thống CI để giảm thời gian chờ PR và chi phí vận hành khi AI code ngày càng phổ biến.

Introduction to FitNesse – An Acceptance Testing Framework

FitNesse là một acceptance testing framework giúp viết test cho ứng dụng Java. Framework này cho phép tạo test case bằng ngôn ngữ tự nhiên (wiki format) mà không cần code, nhưng bên dưới vẫn hỗ trợ kết nối với code thực tế. FitNesse tích hợp tốt với các công cụ build như Maven và CI/CD pipeline. Điểm mạnh của FitNesse là khả năng self-testing và documentation trực tiếp từ test case. Lập trình viên nên cân nhắc FitNesse khi cần test hệ thống phức tạp với yêu cầu nghiệp vụ chi tiết, đặc biệt trong team có cả người không chuyên kỹ thuật.

FitNesse giúp lập trình viên viết test chấp nhận cho ứng dụng Java một cách dễ dàng và hiệu quả.

Introduction to Triton Java API

Bối cảnh là server NVIDIA Triton hỗ trợ nhiều ngôn ngữ lập trình bao gồm Java để triển khai inference. Nguyên nhân kỹ thuật là bài viết hướng dẫn tích hợp Triton Java API cho bài toán object detection trên hình ảnh. Hệ quả là lập trình viên có thể xây dựng ứng dụng Java sử dụng Triton để phân tích ảnh thực tế với độ trễ thấp. Điều đáng học là cách cấu hình model repository và gửi request inference qua Java client đến Triton server với các cụ thể về protocol và serialization.

Bài viết này giúp bạn tích hợp Triton Inference Server vào ứng dụng Java để thực hiện phát hiện đối tượng trong ảnh hiệu quả.

Scaling Golang CI by Replacing actions/setup-go

cloudx-io/setup-go là giải pháp thay thế nhanh hơn và thông minh hơn cho actions/setup-go trong pipeline CI của Go. Thay thế actions/setup-go giúp giảm thời gian CI từ 60% xuống 80%, đặc biệt với các dự án sử dụng Go module cache. Hệ quả là việc build pipeline trở nên nhanh hơn đáng kể, giúp tăng tốc độ feedback loop cho các lập trình viên. Điều đáng học là việc tối ưu các dependency trong CI có thể tạo ra khác biệt lớn về hiệu năng, không nhất thiết phải thay đổi codebase.

Sử dụng cloudx-io/setup-go giúp tăng tốc độ CI và tối ưu hóa quy trình làm việc với Golang.