Coding guidelines

LibreDB Studio: an open source, self-hosted SQL IDE for PostgreSQL in the browser

LibreDB Studio là IDE SQL mã nguồn mở, tự host cho PostgreSQL chạy trên trình duyệt, triển …

Connection Pool Sizing, Measured: Why 48 Connections Beat 400

Bài viết thực nghiệm trên PostgreSQL bằng cách tăng số kết nối từ 1 lên 400 để đo throughput và latency. Kết quả cho thấy throughput đạt đỉnh ở khoảng 48 kết nối, sau đó giảm 37% khi tăng lên 400 kết nối, đồng thời latency tăng gấp 13 lần. Nguyên nhân là sự cạnh tranh về tài nguyên bộ nhớ và luồng trong PostgreSQL khi số kết nối vượt quá khả năng xử lý của CPU và bộ nhớ đệm, gây ra hiện tượng thrashing và tăng thời gian chờ lock. Điều này dạy chúng ta nên đo lường đường cong hiệu suất và chọn kích thước connection pool phù hợp, thay vì đặt giá trị cao nhất có thể.

Bài viết này giúp lập trình viên hiểu cách tối ưu kích thước connection pool để đạt hiệu suất cao nhất.

Why real-time AI at scale is so hard

Nhiều sản phẩm muốn triển khai AI thực thời để phản hồi ngay lập tức khi số lượng người dùng tăng. Khi tải tăng, các nút serving gặp hạn chế về bộ nhớ GPU, thời gian khởi tạo batch và độ trễ mạng, khiến thời gian xử lý mỗi request tăng đột biến. Điều này dẫn tới spikes latency, giảm throughput và đôi khi gây lỗi timeout hoặc downgrade chất lượng dịch vụ. Cần thiết kế hệ thống serving với autoscaling dựa trên metric latency, sử dụng batching động và pre‑warm các instance để giữ ổn định khi tải thay đổi. Ngoài ra, việc monitor chi tiết từng giai đoạn pipeline (pre‑process, inference, post‑process) giúp phát hiện sớm điểm bottle‑neck trước khi ảnh hưởng tới người dùng.

Bài này giúp lập trình viên hiểu được những thất bại phổ biến khi triển khai AI thời gian thực quy mô lớn và cách tránh chúng hiệu quả.

Postgres 19: How Our Advice Has Changed Since...

Bài viết đánh giá lại những lời khuyên trước đây về các tính năng như COPY, TOAST, BRIN …

Rebuilding Linear’s delta sync read path

Linear đã sử dụng Turbopuffer để tối ưu hóa đường dẫn đọc đồng bộ (delta sync read path), đảm bảo độ trễ bắt kịp dữ liệu (catch-up latency) ổn định trên khối lượng hơn 20 TB thao tác đồng bộ.

Một lập trình viên cần đọc bài này để hiểu cách tối ưu hóa cơ chế đồng bộ delta sync bằng Turbopuffer, giúp giảm thiểu thời gian chậm trễ khi xử lý hàng trăm GB hoặc TB dữ liệu đồng bộ, đặc biệt quan trọng trong hệ thống phân tán và ứng dụng có yêu cầu độ tin cậy cao về thời gian phản hồi.

Does anyone run Postgres without PgBouncer?

Hầu hết các nhà cung cấp Postgres lớn (AWS RDS, Azure, Google Cloud SQL, Supabase, Neon...) đều tích hợp sẵn PgBouncer hoặc giải pháp pooling tương tự, chỉ trừ IBM Cloud và Oracle OCI. Bài viết cho rằng pooling là yếu tố bắt buộc vì Postgres xử lý kết nối kém hiệu quả, trái ngược với MySQL hay MongoDB vốn không cần giải pháp bổ sung.

Là lập trình viên quản lý cơ sở dữ liệu PostgreSQL, bạn nên đọc bài này để hiểu tại sao việc sử dụng PgBouncer không chỉ là một giải pháp hiệu quả mà còn là một công cụ bắt buộc để tối ưu hóa hiệu suất, tránh tình trạng "connection leak" và giảm chi phí tài nguyên khi làm việc với nhiều ứng dụng đồng thời.

Doltgres is as Fast as MySQL is Slow

Doltgres đã đạt hiệu suất tương đương MySQL nhờ những tối ưu hóa gần đây.

Lập trình viên muốn tối ưu ứng dụng database cho hiệu suất cao và khả năng mở rộng nhanh chóng nên đọc bài này để khám phá cách Doltgres vượt trội so với MySQL trong các trường hợp sử dụng thực tế.

Building a Proper Backend for My LangGraph AI Agent

Bài viết mô tả việc nâng cấp một demo LangGraph AI agent đặt lịch từ bộ nhớ trong (MemorySaver checkpointer kết hợp với một Python list làm BookingRepository) sang một lớp lưu trữ thực sự dựa trên Postgres. Nguyên nhân kỹ thuật là trạng thái trong bộ nhớ bị mất khi tiến trình khởi động lại và không có cơ chế khóa chung, dẫn đến nguy cơ đặt trùng lặp giữa các phiên làm việc khác nhau. Hệ quả là cần thiết kế một giao thức BookingRepository để cho phép thay đổi dễ dàng giữa InMemoryBookingRepository và PostgresBookingRepository, đồng thời định nghĩa schema gồm hai bảng technicians và bookings để các nút graph như generate_schedule_options_node và confirm_booking_node có thể đọc và ghi dữ liệu. Bài cũng cung cấp mã nguồn trên GitBox và hứa bài sau sẽ hướng dẫn cấu hình Docker và Postgres được lưu trữ. Điều đáng học là việc trừu tượng hóa lớp repository giúp duy trì tính bền vững và an toàn đồng thời mà không thay đổi logic luồng đồ thị.

Bài này giúp bạn hiểu cách xây dựng một hệ thống backend phù hợp với lưu trữ Postgres cho agent LangGraph, giải quyết các vấn đề về trạng thái mất mát và rủi ro đặt phòng trùng lặp.