Introducing on-demand CPU and memory profiling with flamegraphs for Workers and Durable Objects

Cloudflare1 Hot7 min2 h agoAI

Deno is joining Cloudflare

Cloudflare đã mua lại Deno nhằm đơn giản hóa self-hosting Workers và Durable Objects. Việc sáp nhập này cho phép nhà phát triển sử dụng cùng các nguyên tắc cơ bản (primitives) trên nhiều nền tảng hơn. Deno sẽ tiếp tục hoạt động như một dự án mã nguồn mở độc lập, được hỗ trợ bởi Cloudflare. Đối với lập trình viên, đây là cơ hội để tận dụng sức mạnh của runtime Deno kết với hạ tầng đám mây của Cloudflare mà không cần thay đổi cách làm việc hiện tại.

Lập trình viên nên đọc bài này để biết thông tin quan trọng về sự hợp tác giữa Deno và Cloudflare, từ đó hiểu rõ hơn về những cải tiến sắp tới trong trải nghiệm self-hosting Workers và Durable Objects.

#javascript #cloudflare #self-hosting Source

InfoQ1 Hot6 min10 h agoAI

Cloudflare K2 Builds Event Streams on R2 Object Storage, at a Second of Produce Latency

Cloudflare vừa ra mắt K2 trong giai đoạn beta công khai, đây là dịch vụ streaming sự kiện serverless triển khai trên R2 object storage. Dịch vụ đạt độ trễ (latency) khi tạo sự kiện khoảng 1 giây ở mức p99. K2 sử dụng một kiến trúc log bền vững dựa trên R2 object storage, giúp giảm đáng kể độ trễ so với các giải pháp truyền thống. Hệ thống này cho phép developers xây dựng ứng dụng xử lý sự kiện với hiệu năng cao và chi phí hợp lý. Bài viết cung cấp cái nhìn chi tiết về cách K2 tối ưu hóa hiệu suất trên nền tảng lưu trữ object thông thường.

Cloudflare K2 mang đến dịch vụ streaming event với độ trễ chỉ một giây, tối ưu hóa hiệu suất cho nhà phát triển.

#serverless #cloudflare #apache-kafka Source

Stack Overflow Blog1 Hot4 min9 h agoAI

Production-grade LLMs and agents: a field guide

Bối cảnh là việc triển khai production-grade LLMs và agents từ demo sang hệ thống đáng tin cậy. Nguyên nhân kỹ thuật là thiếu mô trường thức cho việc đánh giá và phát triển hệ thống LLM agents. Hệ quả là nhiều tổ chức gặp khó khăn trong việc scaling các solution LLM agents. Điều đáng học là bài viết cung cấp maturity model với 4 layers (Foundation, Orchestration, Autonomy, Evolution) để tự đánh giá và định hướng phát triển. Bài còn đi sâu vào từng layer với các practice và tool cụ thể như LangChain, Autogen, DSPy.

Bài viết này giúp lập trình viên hiểu cách xây dựng hệ thống LLM và agent từ thử nghiệm thành giải pháp thực tế đáng tin cậy.

#llm #ai-agent #observability Source

Salesforce Engineering2 Hot9 min1 d agoAI

Apache Spark Resource Optimization: Lessons From Eight Million Jobs a Day

Đối mặt với khối lượng 8 triệu job mỗi ngày, team Spark đã triển khai execution telemetry để giám sát tài nguyên hệ thống. Phân tích dữ liệu telemetry giúp phát hiện hiệu quả các executor idle chiếm tới 30% tổng tài nguyên phân bổ. Việc tối ưu hóa này giảm đáng kể chi phí compute trong khi vẫn đảm bảo performance và reliability của hệ thống. Các bài học rút ra có thể áp dụng để tối ưu hóa cluster resource allocation trong các môi trường production sử dụng Spark.

Bài viết này giúp lập trình viên tối ưu hóa tài nguyên Apache Spark bằng cách chẩn đoán executor rảnh và giảm chi phí tính toán dựa trên dữ liệu từ tám triệu job mỗi ngày.

#performance #kubernetes #observability Source

DevBlogs1 Hot30 min20 h agoAI

Dynamic Workflows in Azure Functions Hosted Skills: Durable, AI-Led Work for Event-Driven Apps

Azure Functions kết hợp với Hosted Skills tạo nền tảng ứng dụng hướng sự kiện có khả năng suy luận AI. Dynamic Workflows cho phép thực hiện công việc đa bước do AI điều hành một cách bền vững sau khi lời gọi kích hoạt kết thúc. Trong bài benchmark, việc sử dụng token giảm 56-93% và độ trễ end-to-end giảm 77-95% với cùng chất lượng đầu ra. Cách tiếp cận này giúp mô hình AI chỉ cần lập kế hoạch một lần dưới dạng DAG, sau đó Durable Functions tự động thực thi.

Azure Functions Hosted Skills với Dynamic Workflows giúp giảm đáng kể token sử dụng và độ trễ trong ứng dụng dẫn động sự kiện.

#python #serverless #azure-functions Source

Dynatrace1 Hot5 min18 h agoAI

Contain, observe, adapt: Three trends shaping agentic software development

Bối cảnh phát triển agentic software đang có ba xu hướng chính: contain, observe, adapt. Nguyên nhân kỹ thuật là do các AI agent ngày càng phức tạp và cần quản lý lifecycle hiệu quả, dẫn đến hệ quả là việc triển khai và giám sát chúng trong production trở nên thách thức đáng kể. Xu hướng "contain" tập trung vào sandboxing để hạn chế rủi ro, "observe" sử dụng các tool như OpenTelemetry và Prometheus theo dõi hành vi agent, còn "adapt" nhấn mạnh cơ tự điều chỉnh dựa trên feedback loop. Điều đáng học là các lập trình viên cần hiểu rõ ba xu hướng này để thiết kế hệ thống AI agent có khả năng kiểm soát, giám sát và tự cải thiện trong môi trường production thực tế.

Bài viết này giúp lập trình viên nắm bắt ba xu hướng chính đang định hình cách phát triển và quản lý AI agent trong môi trường thực tế.

#devops #ai-agent #observability Source

OpenSearch1 Hot6 min21 h agoAI

My agents told me to enter: an independent builder at OpenSearchCon 2026

Tại OpenSearchCon 2026, nhà độc lập xây dựng Ciki Zeng đã chia sẻ trải nghiệm của mình tại Agent Skills Hackathon do các agents của cô chọn ra. Nguyên nhân kỹ thuật đằng sau sự thành công là khả năng của OpenSearch trong việc xử lý query phức hợp với response time dưới 200ms, giúp agents tự động đánh giá quality metrics. Hệ quả là nhiều team đã thất bại vì chỉ tập trung vào feature mới mà quên đi verification step quan trọng. Điều đáng học là trong quá trình building agent, "done" nên là một claim bạn cần verify kỹ lưỡng chứ không phải là điểm dừng.

Bài này giúp lập trình viên hiểu tầm quan trọng của việc xác nhận tính hoàn thành dự án qua kinh nghiệm tham gia Agent Skills Hackathon tại OpenSearchCon 2026.

#machine-learning #ai-agent #observability Source

InfoQ2 Hot3 min1 d agoAI

Cloudflare Open Sources Decision Models for AI Agents

Cloudflare công bố Clef, bộ mô hình AI trọng số mở (9B và 27B parameters) có khả năng lựa chọn giữa các phương án được định sẵn thay vì tạo văn bản. Các mô hình này được xây dựng trên kiến truction Transformer base như Mistral 7B, được fine-tune để tối ưu hóa cho các tác vụ decision-making. Đây là hướng đi mới so với các mô hình generation phổ biến hiện nay, giúp giảm thiểu hallucination và tăng tính chính xác trong lựa chọn. Điều này mở ra hướng tiếp cận hiệu quả hơn cho các AI agent cần đưa ra quyết định xác thay vì tạo nội dung. Việc open source này sẽ giúp cộng đồng phát triển các ứng dụng decision-based AI với chi phí tính toán thấp hơn.

Bài viết giúp lập trình viên hiểu cách Cloudflare phát triển các mô hình AI trọng mở Clef để nâng cao khả năng ra quyết định của agent AI thay vì chỉ tạo văn bản.

#open-source #ai-agent #cloudflare Source

Introducing on-demand CPU and memory profiling with flamegraphs for Workers and Durable Objects

Recommended for you

Bình luận

Deno is joining Cloudflare

Cloudflare K2 Builds Event Streams on R2 Object Storage, at a Second of Produce Latency

Production-grade LLMs and agents: a field guide

Apache Spark Resource Optimization: Lessons From Eight Million Jobs a Day

Dynamic Workflows in Azure Functions Hosted Skills: Durable, AI-Led Work for Event-Driven Apps

Contain, observe, adapt: Three trends shaping agentic software development

My agents told me to enter: an independent builder at OpenSearchCon 2026

Cloudflare Open Sources Decision Models for AI Agents

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads