Reconciling JSON in DuckDB, One Patch at a Time

System Design Interviews for Data Roles: What to Actually Practice

Phỏng vấn thiết kế hệ thống cho vị trí data đòi hỏi khả năng đánh giá có cấu trúc thay vì ghi nhớ công cụ; ứng viên cần làm rõ yêu cầu mơ hồ, lựa chọn batch hay streaming dựa trên độ tươi mới, xử lý lỗi như idempotency và retry/dead-letter queues, đồng thời chuyển đổi các con số ước lượng thành dữ liệu cụ thể (ví dụ: sự kiện mỗi giây). Lời khuyên nhấn mạnh luyện tập giải thích đánh đổi dưới áp lực thay vì chỉ đọc lý thuyết.

Một lập trình viên chuyên về dữ liệu nên đọc bài này để hiểu cách giải quyết các vấn đề thiết kế hệ thống thực tế thông qua việc phân tích yêu cầu, đánh giá sự phù hợp của batch/streaming và xử lý lỗi một cách logic chứ không chỉ là nhớ các pattern cơ bản.

How Sony LIV uses ClickHouse Cloud to deliver live streaming analytics at billion-row scale

Sony LIV đã hợp nhất các khối công việc phân mảnh từ batch, Elasticsearch và BigQuery lên ClickHouse Cloud, giúp cung cấp khả năng phân tích dữ liệu streaming với tốc độ dưới 1 giây ngay cả khi xử lý hàng tỷ sự kiện mỗi ngày.

Lập trình viên chuyên nghiệp nên đọc bài này để hiểu cách ClickHouse Cloud tối ưu hóa phân tích thời gian thực cho các ứng dụng stream lớn, giúp tiết kiệm chi phí và tăng hiệu suất khi xử lý hàng tỷ dữ liệu hàng ngày.

How to Work with Subqueries in SQL

Subquery trong SQL là truy vấn lồng bên trong truy vấn chính, còn gọi là inner query (truy vấn nội) và outer query (truy vấn ngoại). Chúng giúp xử lý dữ liệu phức tạp bằng cách chia nhỏ truy vấn thành các lớp.

Lập trình viên cần đọc bài này để hiểu cách sử dụng subquery để tối ưu hóa các truy vấn phức tạp, tránh lỗi và làm tăng hiệu suất khi làm việc với cơ sở dữ liệu.

Beautiful T-SQL Queries: Three Could Delete the Company

T-SQL đẹp mắt không đồng nghĩa với chính xác. Trong 30 năm qua, ngành công nghệ vẫn thường xem xét thẩm mỹ code như một bằng chứng pháp lý đáng tin cậy.

Lập trình viên nên đọc bài này để hiểu cách viết T-SQL đẹp mắt, hiệu quả và dễ đọc—một kỹ năng quan trọng giúp code dễ bảo trì, dễ debug và làm tăng hiệu suất làm việc trong nhóm.

Why use ORMs if LLMs write code?

ORMs vẫn cần thiết vì chúng cung cấp lớp trừu tượng an toàn, hiệu quả để tương tác với cơ …

Your AI Agent Says the Pipeline Works. That’s Not Evidence.

AI agent xác nhận pipeline hoạt động không phải bằng chứng đáng tin cậy. Cơ sở hạ tầng do agent xây dựng gặp vấn đề "oracle problem", khiến câu khẳng định này trở nên nguy hiểm.

Lập trình viên nên đọc bài này để tránh bị lừa bởi các hệ thống tự động hóa (như AI) tuyên bố hiệu suất hoặc khả năng hoạt động của pipeline một cách tự tin mà thực tế chưa được chứng minh bằng dữ liệu thực tế.

Building a Context Layer for AI Agents

Xây dựng lớp ngữ cảnh (context layer) cho các tác nhân AI (AI Agents) bằng cách sử dụng các semantic view của Snowflake giúp tối ưu hóa độ chính xác dữ liệu và nâng cao hiệu suất trên toàn bộ hệ thống.

Lập trình viên cần đọc bài này để hiểu cách xây dựng một lớp ngữ nghĩa hiệu quả bằng Snowflake, giúp tối ưu hóa độ chính xác dữ liệu và tăng hiệu suất cho các AI agent hoạt động trên hệ sinh thái của mình.