I ditched Obsidian Bases for a lightweight database, and my productivity actually went up

Scaling Down Costs, Not Performance: How We Migrated from Couchbase to PostgreSQL

Trendyol xử lý hàng triệu sự kiện và giao dịch mỗi ngày và trước đây dựa vào Couchbase làm kho dữ liệu chính. Khi chi phí cấp phép và vận hành Couchbase tăng theo mức sử dụng, đội ngũ quyết định tìm giải pháp thay thế mã nguồn mở để giảm chi phí mà không làm giảm hiệu suất. Họ đã thiết kế lại mô hình dữ liệu, chuyển các truy vấn và bộ đệm sang PostgreSQL, sử dụng partitioning và indexing tối ưu để duy trì thời gian phản hồi ở mức mili giây. Sau khi hoàn tất migration, chi phí hạ tầng đã giảm đáng kể trong khi latency trung bình vẫn ổn định ở mức trước khi thay đổi. Bài viết nhấn mạnh bài học quan trọng: trước khi thay đổi công nghệ cần đo lường rõ ràng cả chi phí và chỉ số hiệu suất để đảm bảo quyết định mang lại lợi ích thực tế.

Bài viết này cho thấy cách giảm chi phí cơ sở dữ liệu mà không làm giảm hiệu suất thông qua việc di chuyển từ Couchbase sang PostgreSQL.

The Trap of Doing It Myself

Bài viết bắt đầu từ quan niệm phổ biến “Nhanh hơn nếu tôi tự làm” và chỉ ra rằng đây là một đo lường, nhưng câu hỏi thực sự là chúng ta đang đo lường gì. Tác giả giải thích rằng khi đo lường chỉ bằng thời gian hoàn thành công việc cá nhân, chúng ta bỏ qua các chi phí ẩn như việc tạo ra kiến thức cô lập, giảm khả năng chia sẻ và tăngภาระ bảo trì sau này. Anh ấy minh họa qua một ví dụ về một engineer dành thời gian sửa một bug nhỏ mà không comunica với đội, dẫn đến việc cùng một lỗi được sửa lại nhiều lần trong các thành phần khác nhau do thiếu tài liệu chung. Kết quả là, mặc dù thời gian ban đầu ngắn hơn, tổng thời gian phát triển và hỗ trợ tăng lên đáng kể, đồng thời chất lượng mã giảm do thiếu review và kiểm tra đồng nghiệp. Bài học chính là cần đo lường không chỉ tốc độ mà còn tác động đến kiến thức chung, độ bền và khả năng mở rộng, từ đó quyết định khi nào nên delegating hoặc đầu tư vào tự động hóa, chia sẻ kiến thức và code review.

Bài này giúp lập trình viên nhận ra sai lầm khi tự làm mọi thứ thay vì hợp tác để nâng cao hiệu quả và chất lượng công việc.

We Fixed N+1 With Eager Loading. Memory Usage Tripled.

Bài viết mô tả việc đội phát triển gặp vấn đề N+1 khi truy vấn danh sách đối tượng và …

Meta tried to shrink engineering teams around AI

Meta đã thực hiện việc thu hẹp các đội kỹ thuật tập trung vào AI nhằm tối ưu hóa hiệu suất. Nguyên nhân kỹ thuật là việc áp dụng các công cụ AI hỗ trợ như LLM và automated code generation giúp tăng tốc độ coding lên đến 220%. Hệ quả là dù code output tăng mạnh nhưng số lượng features được release chỉ tăng 36%, cho thấy sự mất cân đối giữa năng suất và chất lượng sản phẩm. Điều đáng học là các công cụ AI cần được triển khai hợp lý để tránh tình trạng "đốt tiền" vào nguồn lực mà không mang lại hiệu quả tương xứng.

Bài này cho thấy làm việc hiệu quả hơn không đồng nghĩa với tăng năng suất thực sự trong phát triển AI.

Getting Ready for PostgreSQL 19

PostgreSQL 19 Beta 3 được phát hành vào ngày 13 / 8 / 2026 và ghi chú phát hành đã được hoàn thiện từ ngày 18 / 7 / 2026, mặc dù vẫn được đánh dấu là có thể thay đổi trước khi phiên bản ổn định (GA) ra mắt. Bài viết giải thích rằng các thay đổi chính trong core bao gồm cải tiến về vacuum song song, mở rộng khả năng sao chép logic và một số sửa đổi trong hệ thống catalog, dẫn đến nhu cầu kiểm tra lại các extension và tùy chỉnh cấu hình hiện tại. Do đó, các đội ngũ phát triển được khuyến khích triển khai Beta 3 trên môi trường staging, chạy bộ kiểm thử hồi quy và theo dõi các cảnh báo về tính năng bị loại bỏ hoặc thay đổi hành vi. Quá trình này giúp phát hiện sớm các sự không tương thích và cho thời gian đủ để cập nhật mã nguồn hoặc tìm phiên bản mới của các công cụ phụ trợ. Bài học chính là theo dõi lịch trình phát hành chính thức, sử dụng bản beta để xác thực và lên kế hoạch nâng cấp dựa trên ghi chú phát hành cụ thể thay vì dựa trên giả định chung.

Bài viết giúp lập trình viên nắm bắt những cải tiến và thay đổi quan trọng trong PostgreSQL 19 để chuẩn bị cho quá trình nâng cấp và phát triển ứng dụng hiệu quả.

Is AI ruining my brain?

Người viết chia sẻ trải nghiệm sử dụng công cụ AI như ChatGPT và GitHub Copilot trong công việc hàng ngày để viết email, tạo mã và giải quyết vấn đề nhanh chóng. Ông cho rằng sự phụ thuộc vào AI làm giảm nhu cầu tư duy độc lập vì não bộ ít được kích hoạt khi dựa vào gợi ý tự động từ các mô hình ngôn ngữ lớn. Sau vài tháng, ông cảm thấy khó tập trung khi đọc sách dài, suy giảm khả năng ghi nhớ thông tin mà không có sự hỗ trợ của AI và thường bị mệt óc khi phải thực hiện các tác vụ không có AI. Bài viết gợi ý đặt giới hạn thời gian sử dụng AI, thực hành các hoạt động không cần AI như đọc sách tay hoặc viết tay để duy trì sự linh hoạt nhận thức. Cuối cùng, ông nhắc nhở rằng công cụ AI nên là người trợ giúp thay thế thay vì thay thế suy nghĩ con người.

Bài này giúp lập trình viên nhận diện tác động thực tế của AI đến khả năng nhận thức và tìm cách cân bằng giữa công nghệ tự động và suy nghĩ độc lập.

Debugging MySQL Memory Alerts: When innodb_buffer_pool_size Isn't the Whole Story

Trên instance GCP c4d-standard-4, tiến trình MySQL tiêu tốn 10.4 GB RAM dù innodb_buffer_pool_size chỉ được thiết lập là 7168 MB. Khoảng trống này được truy qua 4 lớp: dự kiến overhead từ InnoDB/Performance Schema/thread-buffer, khoảng ~9% mmap chunk padding trên buffer pool, sự tích tụ dirty pages của jemalloc trên DR replica không hoạt động, và nguyên nhân gốc - MALLOC_CONF không được thiết lập khiến decay của background_thread bị vô hiệu hóa. Các sửa chữa gồm giảm buffer pool thành bội số sạch (6144 MB), cắt giảm max_connections từ 3000 xuống 500, bật background_thread của jemalloc với decay 5 giây, và thêm swap để phòng OOM, giúp giảm RSS xuống còn ~7.9 GB. Bài viết cung cấp kiến thức sâu về quản lý memory của MySQL khi sử dụng jemalloc, cách tối ưu buffer pool size và thiết lập MALLOC_CONF phù hợp.

Lập trình viên cần đọc bài này để hiểu cách điều khiển và tối ưu hóa bộ nhớ InnoDB trên MySQL khi các tham số cơ bản như innodb_buffer_pool_size không đủ để giải quyết cảnh báo nhớ, khi hệ thống vẫn tiêu thụ nhiều bộ nhớ hơn dự kiến do các yếu tố như cấu hình bộ nhớ phân vùng, quá trình làm sạch nhớ của jemalloc, hoặc tình trạng replica hoạt động không hiệu quả.

Migration files and Git do not mix — DiffyPick Blog

Trong hệ thống version control như Git, các thay đổi schema tồn tại trong các file riêng …