Object storage is all you need

How Anthropic Redesigned Source Control

In this article, we’ll look at the architecture behind Scion.

Outbox Pattern in .NET With Postgres: Concurrent Workers vs the WAL

An API can save an order and crash before publishing the message that tells other services about it.

ClickHouse release 26.10

ClickHouse 26.10 introduces function composition, more flexible joins, faster GROUP BY queries, disk spilling for IN subqueries, an experimental columns cache, and Freeform and SQLite formats.

5 Event Driven Architecture Problems (And How to Avoid Them)

Event-driven architecture (EDA) phổ biến nhưng tiềm nhiều thách thức trong production environment. Vấn đề truy xuất lỗi (tracing) trở nên phức tạp khi sự kiện (event) đi qua nhiều service khác nhau, đòi hỏi hệ thống phân tích log tập trung như ELK stack. Hàng đợi tin hỏi (dead letter queues) dễ bị đầy nếu không implement validation logic kỹ càng, dẫn đến mất dữ kiện quan trọng. Sự không nhất quán cuối cùng (eventual consistency) gây race condition khi nhiều consumer xử lý cùng event đồng thời. Các EDA system cần thiết kế event schema versioning và comprehensive testing framework với Contract Testing để đảm bảo reliability khi số lượng service tăng lên.

Bài viết này giúp lập trình viên nhận diện và giải quyết các vấn đề phổ biến trong kiến trúc hướng sự kiện như tracing, dead letter queues, tính nhất quán cuối cùng và testing.

AI in Production Without a WHERE Clause

Bối cảnh triển khai AI mà không có bước review rủi ro giống như thiếu một WHERE clause trong SQL có thể dẫn đến đêm dài khắc phục sự cố. Nguyên nhân kỹ thuật nằm ở việc các model AI có thể tạo ra dữ liệu không mong muốn khi không có bộ lọc phù hợp. Hệ quả có thể rất nghiêm trọng khi hệ thống AI vô tình tạo ra nội dung độc hại, sai lệch hoặc vi phạm chính sách. Đáng học hỏi là bài nhấn mạnh việc xác định rõ vị trí của cơ chế "phanh" (brake) trong hệ thống AI và ai chịu trách nhiệm kiểm soát nó.

Bài viết này giải thích tại sao thiếu bước kiểm duyệt trong AI sản xuất có thể dẫn đến hậu quả nghiêm trọng như lỗi query SQL không có WHERE clause.

Cloudflare Hyperdrive tutorial: use PostgreSQL with Workers

Cloudflare Hyperdrive giúp kết nối ứng dụng Workers với database PostgreSQL hiệu quả. Công nghệ sử dụng connection pooling để giảm 95% thời gian kết nối và cache để tăng tốc truy vấn. Giải pháp này tích hợp với D1, R2, Queues, Supabase và Neon tạo hệ sinh thái thống nhất. Lập trình viên có thể giảm chi phí database và tăng tốc độ ứng dụng nhờ cache layer thông minh. Tutorial cung cấp hướng dẫn chi tiết để cấu hình pooling và caching tối ưu cho hệ thống của bạn.

Bài viết này giúp lập trình viên tối ưu hóa hiệu suất ứng dụng bằng cách tích hợp Cloudflare Hyperdrive với PostgreSQL và Workers.

Zero Downtime In-Place Major PostgreSQL Upgrades on a Distributed PostgreSQL Cluster

Upgrade each node in place with pg_upgrade --link. The downtime belongs to one node, not to your users. A PostgreSQL 17 to 18 walkthrough on a Spock cluster.

Benchmarking Billion-Scale Vector Indexes

Benchmarking a vector index at billion-scale means tracking P99/P99.9 latency, Recall@K, QPS at a fixed recall target, index build time, RSS memory, and CPU usage, since averages hide failures. The team used three datasets for different jobs: SIFT-1B (128-d) to test raw scale, LAION-100M (768-d CLIP floats) to test real float behavior, and a self-built BookCorpus-10M (4096-d, via Llama 2) to approximate LLM-scale embeddings. Building BookCorpus-10M took 16 hours on five GPUs at about 173 vectors/sec, producing 164 GB that restores via cbbackupmgr in 2-3 minutes. Partition elimination, tagging vectors with a key like category_id, let a 10-partition layout skip 90% of the work per query, tightening P99 tail latency and raising throughput per core.