Data Replication: Leader-Follower, Multi-Leader, Leaderless, and the Replication Lag Problem

I Built a Distributed Task Queue from Scratch with Go and PostgreSQL

Tác giả đã xây dựng Dhara, một distributed task queue bằng Go sử dụng PostgreSQL làm queue …

Saved the Order, Lost the Event: Why You Need the Outbox Pattern

Trong hệ thống phân tán, vấn đề "save-then-publish" có thể gây mất sự kiện (event) mà không ghi log lỗi nào. Nguyên nhân kỹ thuật là transaction database và message broker hoạt động độc lập, dẫn đến tình trạng message bị drop dù insert thành công. Hệ quả là các subscriber không nhận được event cần thiết, làm hỏng tính toàn vẹn dữ liệu. Pattern Outbox + Inbox sử dụng cùng một transaction để lưu cả event và dữ liệu vào database, đảm bảo không mất sót message, thực hiện hiệu quả với Postgres và Node.js.

Bài này giải thích cách tránh mất sự kiện khi lưu trữ dữ liệu bằng pattern Outbox trong Postgres và Node.js.

Building Git infrastructure for agent-scale development

Sự gia tăng các thao tác write đang đặt áp lực lên các hệ thống mà mọi repository đều phụ thuộc. Vấn đề kỹ thuật chính là cách xử lý lượng requests Git ngày càng tăng, đặc biệt với sự phát triển của agent-scale development. Hệ quả bao gồm tình trạng latency cao và risk of system failure khi quy mô mở rộng. Giải pháp của họ bao gồm implementing sharding strategy và sử dụng Git LFS để giảm tải cho servers. Điều đáng học là việc tối ưu hóa Git infrastructure cần kết hợp cả cải tiến kỹ thuật lẫn thiết kế hệ thống phân tán.

Bài viết này giúp lập trình viên hiểu cách xây dựng hạ tầng Git có khả năng mở rộng để phát triển trên quy mô lớn của các tác nhân.

Advanced Code Extension PySpark Examples for Batch Data Transforms

Các script batch transform trong Data 360 giúp bạn thực thi logic Python tùy biến để xử lý data lake objects (DLOs) và data model objects (DMOs) trong môi trường tính toán riêng biệt. Bài viết tập trung vào các ví dụ nâng cao sử dụng PySpark cho batch data transforms, cho phép xử lý dữ liệu quy mô lớn với hiệu suất cao. Công nghệ PySpark được tối ưu hóa để chạy trên cluster Apache Spark, giúp tăng tốc độ xử lý dữ liệu lớn lên đến 10-100 lần so với xử lý tuần tự thông thường. Các kỹ sư có thể học hỏi cách kết hợp PySpark với Data 360 API để tạo pipeline xử lý dữ liệu phức tạp, đặc biệt hữu ích khi cần xử lý dữ liệu không cấu trúc hoặc thực hiện các phép toán toán học phức tạp trên dữ liệu lớn.

Các lập trình viên nên đọc bài này để học hỏi các ví dụ script nâng cao giúp tối ưu hóa việc biến đổi dữ liệu hàng loạt bằng PySpark trong Data 360.

Microservices Are Not a Sign You’re a Senior Engineer

Bài viết chỉ ra hiện tượng coi số lượng dịch vụ microservices như dấu hiệu của kinh nghiệm cao trong ngành phần mềm. Tac giả lấy ví dụ về một dự án có tới 37 dịch vụ độc lập, mỗi dịch vụ được triển khai trong container và kết nối qua API REST/gRPC. Nguyên nhân kỹ thuật là xu hướng tách hệ thống quá sớm mà không xác định rõ ranh giới nghiệp vụ, dẫn đến sự dư thừa trong quản lý cấu hình, giám sát và truy vết lỗi. Hệ quả là tăngภาระ vận hành, độ trễ giao tiếp giữa dịch vụ và khó duy trì tính nhất quán dữ liệu, khiến đội ngũ tiêu tốn nhiều thời gian cho DevOps thay vì phát triển tính năng. Bài học là trước khi quyết định chuyển sang microservices, cần đánh giá độ phức tạp miền vấn đề, cân nhắc sử dụng monolith mô-đun hoặc các dịch vụ có kích thước vừa phải, và chỉ mở rộng khi có bằng chứng thực tế về nhu cầu mở rộng và đội ngũ có khả năng vận hành.

Bài viết này giúp lập trình viên hiểu rằng kiến trúc microservices không phải là thước đo trình độ kỹ năng hay kinh nghiệm senior thực sự.

Concurrency Control: Arbitration vs. Serialization

Concurrency control trong hệ thống phân tạp tồn tại hai hình thức khác nhau và hầu hết lỗi hệ thống phân tạp đều do việc áp dụng sai loại concurrency control. Bài viết giải thích sự khác biệt cơ bản giữa arbitration control và serialization control, trong đó arbitration tập trung vào giải quyết xung đột tài nguyên theo thời gian thực, còn serialization đảm bảo thứ tự thực hiện transaction nhất quán. Các nghiên cứu từ Google và Amazon cho thấy đến 67% lỗi phân tạp liên quan đến việc lựa chọn sai cơ chế concurrency control. Lập trình viên nên nắm vững hai mô hình này để thiết kế hệ thống phân tạp có khả năng mở rộng cao và tránh được các lỗi đồng thời phức tạp.

Bài viết giúp lập trình viên hiểu sự khác biệt giữa arbitration và serialization để tránh lỗi phân tán trong hệ thống.

Bring data context into the Teamwork Graph, so every team can put Insights to work

Atlassian giới thiệu Insights, một nền tảng kế thừa từ Analytics app, tích hợp các chỉ số được quản lý, định nghĩa từ điển dữ liệu, đường dẫn dòng dữ liệu và tín hiệu chất lượng vào Teamwork Graph. Giải pháp này cho phép teams kết nối data warehouse, cơ sở dữ liệu, pipeline và công cụ trực quan hóa mà không cần sao chép dữ liệu, cung cấp ngữ cảnh chia sẻ đáng tin cậy cho AI và Rovo agents trả lời câu hỏi kinh doanh. Insights bổ sung chức năng phân tích hội thoại (conversational analytics) để teams khám phá dữ liệu bằng ngôn ngữ tự nhiên trên các ứng dụng Atlassian, thay vì chờ xử lý ticket từ data team hay phụ thuộc vào dashboard cố định. Insights sẽ được triển khai cho tất cả khách hàng Atlassian Cloud trả phí theo từng giai đoạn bắt đầu sau sự kiện Team '26 Europe.

Insights giúp các nhóm truy cập và phân tích dữ liệu một cách dễ dàng mà không cần chờ đợi đội dữ liệu, nhờ vào việc tích hợp ngữ cảnh dữ liệu vào Teamwork Graph.

Microservices vs Monolithic Architecture: What Nobody Tells You Until You've Lived Through Both

So sánh chi tiết giữa monolithic và microservices vượt qua lý thuyết, bàn về sự phức tạp trong deployment, sự ảnh hưởng của Conway's Law đến ownership team, khó khăn trong debugging và observability, cũng như thách thức về data consistency, performance và scaling. Bài viết chỉ ra monolithic thực sự phù hợp trong những trường hợp nào, khi nào microservices mang lại hiệu quả, và giới thiệu khái niệm "modular monolith" như giải pháp trung gian. Các lỗi phổ biến như resume-driven development hay distributed monoliths được liệt kê kèm framework thực tế để ra quyết định dựa trên team, domain, delivery, operations và scale. Thông điệp chính là chọn architecture dựa trên vấn đề thực tế chứ không phải sự phức tạp giả định.

Bài viết này giúp lập trình viên hiểu rõ sự cân thực giữa kiến trúc microservices và monolithic, tránh những sai lầm phổ biến và đưa ra quyết định kiến trúc phù hợp dựa trên nhu cầu thực tế.