#databricks

Branching databases like code: a CI/CD pattern for Lakebase, in production at Glaspoort

Glaspoort áp dụng mô hình CI/CD cho OLTP trên Databricks Lakebase bằng cách nhánh từ môi trường sản xuất, tạo cơ sở dữ liệu tạm theo từng pull request (PR), và sử dụng migration làm nguồn sự thật duy nhất.

Nếu bạn đang xây dựng hệ thống OLTP với môi trường sản xuất phức tạp, bài viết này sẽ giúp bạn hiểu cách áp dụng mô hình nhánh cơ sở dữ liệu như mô hình nhánh mã để tự động hóa CI/CD một cách an toàn và hiệu quả.

What is Tool Calling?

Tool calling cho phép mô hình AI lựa chọn và vận hành tài nguyên phù hợp cho một nhiệm vụ. Databricks hỗ trợ các tác nhân (agents) tool-calling có kiểm soát.

Lập trình viên nên đọc bài này để hiểu cách Tool Calling giúp AI tự động hóa và tối ưu hóa công việc phân tích dữ liệu, xử lý dữ liệu lớn, và tích hợp các công cụ chuyên dụng trong DevOps, từ đó tiết kiệm thời gian và nâng cao hiệu suất trong dự án.

Introducing OfficeQA Pro V2: A New Benchmark for Enterprise Grounded-Reasoning

OfficeQA Pro V2 là tiêu chuẩn mới sử dụng 120.000 trang tài liệu từ Kho bạc Hoa Kỳ để đánh giá khả năng suy luận có căn cứ doanh nghiệp của các tác nhân AI trên những nhiệm vụ chưa từng gặp.

Là người phát triển hệ thống AI cho môi trường doanh nghiệp, bạn nên đọc bài này để khám phá cách benchmark OfficeQA Pro V2, với dữ liệu thực tế từ 120.000 trang tài liệu chính phủ, giúp đánh giá và cải thiện khả năng xử lý lý luận dựa trên dữ liệu thực tế cho các ứng dụng doanh nghiệp.

Backstage with Lakebase, part 3

T

Lập trình viên nên đọc bài này để hiểu cách xây dựng và tối ưu hóa cơ sở dữ liệu Lakebase—một giải pháp tích hợp với các công cụ DevOps hiện đại—để tối đa hóa hiệu suất, bảo mật và khả năng mở rộng cho ứng dụng của mình.

Convert proprietary code to open ANSI SQL with the agentic code converter, now in Beta

Công cụ chuyển đổi mã tự động trong Genie Code, tác nhân AI của Databricks, hỗ trợ lập kế hoạch di chuyển và chuyển đổi mã độc quyền thành ANSI SQL tiêu chuẩn.

Lập trình viên chuyên về cơ sở dữ liệu sẽ tìm hiểu cách chuyển đổi mã riêng tư sang SQL chuẩn ANSI để tối ưu hóa tính mở rộng, bảo mật và tương thích với các hệ thống hiện đại.

Quality care is the mission. Finance protects the margin.

Chăm sóc chất lượng là sứ mệnh, tài chính đảm bảo biên lợi nhuận.

Lập trình viên nên đọc bài này để hiểu cách quản lý chi phí và tối ưu hóa hiệu suất dự án từ góc độ tài chính, giúp họ xây dựng hệ thống có giá trị thực tế hơn và tránh rủi ro tài chính trong quá trình phát triển phần mềm.

Manufacturing runs on capital. Finance protects the margin.

Tài chính sản xuất giúp giải phóng vốn bị "mắc kẹt" và bảo vệ biên lợi nhuận nhờ Databricks Genie, một trợ lý AI thông minh về dữ liệu, dựa trên ontology sống và được quản trị chặt chẽ.

Những nhà phát triển cần hiểu cách AI và công nghệ dữ liệu như Databricks Genie giúp tối ưu hóa nguồn vốn bị "bị kẹt" trong sản xuất, từ đó cải thiện hiệu quả kinh tế và bảo vệ lợi nhuận cho doanh nghiệp.

Agents for production lines: Trusted decisions in real time

Các agent AI phức hợp xử lý dữ liệu vận hành streaming (OT) theo thời gian thực trên Databricks, cung cấp quyết định tức thì cho quản lý dây chuyền sản xuất thay vì báo cáo hằng ngày.

Một lập trình viên chuyên về công nghệ sản xuất nên đọc bài này để hiểu cách tích hợp các hệ thống IoT và AI vào pipeline sản xuất, giúp tối ưu hóa quy trình thực thời bằng cách chuyển đổi dữ liệu thời gian thực thành các quyết định tin cậy ngay trong giờ làm.

Get Started with Genie One: Top AI Cowork Use Cases for Business Users

Khám phá năm quy trình Genie One thiết thực dành cho người dùng doanh nghiệp, bao gồm báo cáo, chuẩn bị họp, tự động hóa tài liệu, cảnh báo và các tác nhân AI tái sử dụng, giúp triển khai nhanh chóng.

Nếu bạn muốn tối ưu hóa hiệu suất công việc bằng cách tự động hóa các tác vụ lặp đi lặp lại và tạo ra các giải pháp AI thông minh cho doanh nghiệp, bài viết này sẽ hướng dẫn bạn cách nhanh chóng triển khai các công cụ AI như Genie One để tiết kiệm thời gian và nâng cao hiệu quả.

Simplify AI agent orchestration with Lakebase Postgres

Bài viết giới thiệu cách xây dựng hệ thống điều phối tác nhân AI (AI agent orchestrator) trên Databricks chỉ bằng Lakebase Postgres, thay thế các công cụ như Kafka, Redis hay scheduler truyền thống. Giải pháp này giúp đơn giản hóa kiến trúc mà vẫn đảm bảo khả năng mở rộng.

Lập trình viên muốn tối ưu hóa hệ thống AI với kiến trúc đơn giản, không phụ thuộc vào các công cụ trung gian phức tạp như Kafka hay Redis, nên đọc bài này để khám phá cách sử dụng Lakebase Postgres để xây dựng orchestrator agent hiệu quả và mở rộng dễ dàng.

The three ways AI unlocks transformation in Retail, Travel, and Consumer Goods

AI thúc đẩy chuyển đổi trong ngành bán lẻ, du lịch và hàng tiêu dùng thông qua ba cách chính: tối ưu hóa chuỗi cung ứng, cá nhân hóa trải nghiệm khách hàng và tự động hóa quy trình vận hành.

Lập trình viên nên đọc bài này để hiểu cách AI có thể tự động hóa và tối ưu hóa quy trình từ việc phân tích dữ liệu sản phẩm cho đến tối ưu hóa trải nghiệm khách hàng trong các ngành công nghiệp như Retail, Travel và Consumer Goods.

Databricks hits $188B valuation, extending its run as AI’s favorite second act

Databricks nâng định giá lên 188 tỷ USD nhờ chuyển mình thành công ty AI hàng đầu, đồng thời công bố nghiên cứu về tiết kiệm chi phí khi sử dụng các mô hình AI mã nguồn mở cho lập trình.

Lập trình viên nên đọc bài này để khám phá cách Databricks không chỉ là nền tảng xử lý dữ liệu truyền thống mà còn trở thành cầu nối quan trọng giữa AI và công việc lập trình hàng ngày, giúp tối ưu hóa hiệu suất và giảm chi phí thông qua công nghệ mới.

Building a soccer coaching app on Databricks

Ứng dụng huấn luyện bóng đá Coach's Corner trên Databricks xử lý 51 triệu dòng dữ liệu theo dõi theo thời gian thực, cung cấp thông tin chi tiết trong vòng chưa đầy một giây nhờ Genie scouting và agentic dossiers.

Lập trình viên nên đọc bài này để hiểu cách Databricks kết hợp AI tích hợp sẵn (như Genie) với tích hợp dữ liệu lớn để chuyển đổi dữ liệu bóng đá từ hàng triệu hàng thành thông tin phản hồi tức thời, giúp tối ưu hóa hiệu suất huấn luyện bằng cách tự động hóa phân tích và tạo ra các tài liệu scouting tự động.

Inkling model from Thinking Machines Lab now on Databricks

Truy cập sớm mô hình Inkling open-weights của Thinking Machines Lab trên Databricks để tối ưu quy trình coding và xây dựng AI agents thông qua Unity AI Gateway.

Lập trình viên nên đọc bài này để khám phá cách sử dụng Inkling, một mô hình AI tiên tiến từ Thinking Machines, để tự động hóa và nâng cấp các công cụ phát triển mã, từ việc hỗ trợ viết code đến xây dựng các hệ thống AI thông minh như các agents thông minh.

The agentic marketing stack starts with the data layer

Acxiom nhấn mạnh việc hiện đại hóa dữ liệu phải được ưu tiên trước khi triển khai AI tác nhân (agentic AI), thay vì song song. Sau khi chuyển từ Hadoop tại chỗ sang Databricks, họ tăng tốc độ pipeline lên 80-90%, rút ngắn thời gian xử lý từ vài ngày xuống vài giờ. Hiện công ty đang xây dựng các quy trình marketing tự động hóa bằng dữ liệu khách hàng riêng, kết hợp AI nhúng vào môi trường khách hàng, quản trị có sự giám sát của con người đối với PII, và tích hợp native agentic thay vì giao nhận dữ liệu theo file.

Những lập trình viên xây dựng hệ thống AI cho doanh nghiệp nên đọc bài này để hiểu cách tối ưu hóa dữ liệu trước khi triển khai các giải pháp thông minh, tránh rủi ro mất thời gian và chi phí khi phải cải tạo lại cơ sở hạ tầng sau khi triển khai AI.

Scaling Security Alert Triage With Specialized Agents on Databricks

Đội bảo mật nội bộ Databricks triển khai 17 tác nhân AI chuyên biệt để xử lý 100% cảnh báo bảo mật mức độ thấp theo thời gian thực bằng Spark Structured Streaming, lọc sớm các tín hiệu vô hại, sử dụng prompt chuyên biệt theo nguồn, tích hợp Threat Intelligence và theo dõi quyết định qua MLflow. Hệ thống tiết kiệm 6.500 giờ phân tích trong 30 ngày và nâng tỷ lệ cảnh báo thật (true positives) gấp 10 lần so với phương pháp cũ, đồng thời rút ra bài học về việc ưu tiên ngữ cảnh hành vi lịch sử và hạn chế phạm vi hướng dẫn của tác nhân để giảm false positives.

Để tối ưu hóa hiệu quả triệt để trong việc xử lý cảnh báo an ninh với chi phí nhân lực thấp và độ chính xác cao, lập trình viên nên tham khảo cách xây dựng hệ thống triệt giác thông minh bằng các agent chuyên biệt và streaming dữ liệu để tự động hóa phân loại cảnh báo an ninh từ thấp đến trung bình.

Why the Frontier Ecosystem must be Open — Matei Zaharia and Reynold Xin, Databricks

Databricks nhấn mạnh tầm quan trọng của hệ sinh thái mở (Frontier Ecosystem) trong việc xây dựng hệ điều hành cho các tác nhân AI doanh nghiệp. Họ giới thiệu Omnigent, một meta-harness mã nguồn mở giúp chuẩn hóa API cho các coding agent như Claude Code, Codex và Cursor, hỗ trợ phiên làm việc liên tục, cộng tác và kiểm soát bảo mật. Ngoài ra, Databricks đề cập đến LTAP (Lake Transactional/Analytical Processing) nhằm hợp nhất workload giao dịch và phân tích, cũng như thảo luận về chiến lược mô hình Mosaic và vai trò của dữ liệu được tổ chức tốt trong việc tái định nghĩa phần mềm truyền thống.

Những lập trình viên xây dựng hệ thống AI hoặc ứng dụng doanh nghiệp nên đọc để hiểu cách kết hợp kiến trúc mở, quản lý dữ liệu hiệu quả và bảo mật thông minh để xây dựng các agent AI tự động hóa công việc một cách bền vững và tuân thủ.

Spark-Beyond Basics: Row Level Security in Databricks

Spark-Beyond Basics giới thiệu tính năng Row Level Security (RLS) trong Databricks, giúp kiểm soát quyền truy cập dữ liệu theo từng hàng, tương tự như cách quản lý thông tin trong sổ nhật ký xưa.

Lập trình viên cần đọc bài này để khám phá cách bảo vệ dữ liệu ở cấp độ hàng trong Databricks, giúp ứng dụng của họ bảo vệ thông tin nhạy cảm mà không cần phân tích toàn bộ dữ liệu, từ đó nâng cao tính bảo mật và tuân thủ quy định.

Data Lineage Across Your Whole Stack: Sigma, BI Tools and Warehouses

Data lineage theo cấp độ cột (column-level lineage) được theo dõi xuyên suốt từ data warehouse (như Snowflake) vào Sigma và các công cụ BI, nhưng giới hạn của Unity Catalog hay Snowflake Horizon dừng lại ở đó. Các nhóm tuân thủ quy định (regulated teams) cần giải pháp toàn diện hơn.

Một lập trình viên cần đọc bài này để hiểu cách theo dõi nguồn gốc dữ liệu từ cấp cơ sở dữ liệu đến các công cụ phân tích và BI, giúp họ tối ưu hóa việc quản lý, bảo mật và tái sử dụng dữ liệu trong toàn bộ pipeline công nghệ.

Introducing FILE type: a native column type for multimodal data

FILE type là một kiểu cột gốc mới hỗ trợ lưu trữ và truy vấn dữ liệu đa phương thức (multimodal) như hình ảnh, video, PDF trực tiếp trong cơ sở dữ liệu.

Một lập trình viên nên đọc bài này để khám phá cách FILE là một kiểu dữ liệu bản địa (native) giúp tối ưu hóa xử lý dữ liệu đa mô hình—không cần chuyển đổi thủ công giữa các định dạng, giảm thiểu lỗi và tăng hiệu suất khi làm việc với các tập tin lớn, đặc biệt là trong ứng dụng AI/ML hoặc hệ thống xử lý dữ liệu phức tạp.

Databricks — Mastering Delta Tables: Unleashing the Power of Column Names with Spaces

Bài viết hướng dẫn từng bước tạo bảng Delta trong Databricks với tên cột chứa dấu cách, đồng thời cung cấp giải pháp xử lý các thách thức khi làm việc với định dạng này.

Lập trình viên cần đọc bài này để hiểu cách xử lý và khai thác hiệu quả các tên cột có khoảng trắng trong Delta Lake, giúp tránh lỗi và tối ưu hóa công cụ phân tích dữ liệu của Databricks.

Unity AI Gateway is Generally Available

The

The Open Interoperability Standard: Why Bidirectional Iceberg REST Matters

Để có quyền kiểm soát dữ liệu thực sự, cần có khả năng tương tác hai chiều. Snowflake Horizon triển khai đầy đủ giao thức Iceberg REST Catalog, trong khi Databricks Unity Catalog chỉ hỗ trợ tiếp nhận dữ liệu một chiều, do đó kém linh hoạt hơn.

Nếu bạn đang tìm kiếm cách tối ưu hóa quản lý và chia sẻ dữ liệu trong các hệ thống lớn, bài viết này sẽ giúp bạn hiểu rõ tại sao bidirectional Iceberg REST—chứ không chỉ là giao thức một chiều—là giải pháp quan trọng để xây dựng một cơ chế dữ liệu tự chủ (data sovereignty) hiệu quả hơn.

Integrating KurrentDB and Databricks via Arrow Flight SQL: A Reference Implementation Guide for Event-Sourced Analytics Part 2

Xây dựng pipeline phân tầng (medallion) từ KurrentDB tới Databricks bằng cách sử dụng Arrow Flight SQL để ingest dữ liệu theo giờ, tạo các bảng Silver có kiểu dữ liệu rõ ràng, và duy trì bảng Gold trong suốt vòng đời dữ liệu.

Lập trình viên cần đọc để khám phá cách tối ưu hóa pipeline dữ liệu từ KurrentDB sang Databricks với giao thức Arrow Flight SQL, giúp giảm chi phí và tăng hiệu suất cho các phân tích thời gian thực, đặc biệt khi xử lý dữ liệu nguồn thời gian thực và dự án event-sourced.

The New Monday Morning Report: How Generative AI can deliver the insights your executives need.

Báo cáo sáng thứ Hai mới đây chỉ ra cách Generative AI có thể cung cấp những insights cần thiết cho các nhà điều hành doanh nghiệp.

Lập trình viên nên đọc bài này để hiểu cách ứng dụng AI sinh tạo giúp giải quyết vấn đề phân tích dữ liệu và quyết định kinh doanh, từ đó nâng cao hiệu quả công việc và mở rộng tầm nhìn về công nghệ trong doanh nghiệp.

Ingest semi-structured data faster and more efficiently with Variant - Now Generally Available

Variant, nền tảng xử lý dữ liệu bán cấu trúc, nay đã Generally Available, giúp tăng tốc và tối ưu hóa quá trình ingest dữ liệu nhanh hơn và hiệu quả hơn.

Một lập trình viên cần đọc bài này để khám phá cách Variant giúp tối ưu hóa tốc độ và hiệu suất khi xử lý dữ liệu bán cấu trúc, giúp tiết kiệm thời gian và nguồn lực trong việc tích hợp và xử lý dữ liệu phức tạp.

Foundations for an AI-forward healthcare organization

Các tổ chức chăm sóc sức khỏe tiên phong về AI thành công nhờ ba trụ cột: dữ liệu thống nhất, quản trị đáng tin cậy và mô hình vận hành có thể lặp lại.

Một lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống AI trong y tế hiệu quả từ cơ sở dữ liệu thống nhất, quy trình quản lý minh bạch và người dùng tin tưởng, giúp phát triển ứng dụng y tế thông minh an toàn và hiệu quả.

Agentic media buying cannot scale without the right foundation. See how buyers and sellers get there on Databricks.

Mua phương tiện tự động (agentic media buying) không thể mở rộng nếu thiếu nền tảng phù hợp. Databricks cung cấp môi trường cần thiết cho các agent mua/bán tự động, bao gồm state, models, governance, identity và observability.

Một lập trình viên cần đọc bài này để hiểu cách xây dựng nền tảng tự động hóa media buying hiệu quả bằng cách kết hợp kiến trúc stateful, mô hình AI, quản trị và giám sát—đặc biệt khi ứng dụng cho các hệ thống agentic trong thương mại điện tử hoặc phân tích dữ liệu lớn.

Convert proprietary code to open ANSI SQL with Genie Code

Genie Code, trợ lý lập trình AI của Databricks, hỗ trợ lập kế hoạch di chuyển và chuyển đổi tự động mã nguồn độc quyền sang ANSI SQL tiêu chuẩn.

Lập trình viên cần đọc bài này để khám phá cách Genie Code tự động chuyển đổi mã riêng tư sang SQL tiêu chuẩn, giúp tiết kiệm thời gian và tránh rủi ro khi chuyển đổi thủ công trong các dự án cơ sở dữ liệu.

Energy runs on volatile markets. Finance protects the margin.

How energy finance turns market volatility into margin with Databricks Genie, a data-smart AI coworker grounded in a live, governed ontology.

Bringing real-time fraud prevention to government benefits

Federal benefits lose hundreds of billions of dollars to fraud each year. See how Databricks stops it in real time, with data agencies already have.

How NorthStar Anesthesia built a scheduling app for a workforce of 3,000 clinicians in weeks

NorthStar Anesthesia đã xây dựng ứng dụng lập lịch trình cho 3.000 chuyên gia y tế trong vài tuần bằng cách sử dụng nền tảng low-code.

Lập trình viên nên đọc bài này để hiểu cách giải quyết vấn đề quy mô lớn bằng kiến trúc phân tán và công nghệ hiện đại, từ đó áp dụng kinh nghiệm vào dự án của riêng mình về hiệu suất và khả năng mở rộng.

From prototype to production: High QPS for Databricks AI Search

Sear

How Databricks manages its own coding agent spend with Unity AI Gateway Budgets

Databricks sử dụng Unity AI Gateway Budgets để quản lý chi phí cho coding agent, đảm bảo kiểm soát ngân sách hiệu quả trong quá trình phát triển.

Lập trình viên cần đọc bài này để hiểu cách Databricks áp dụng AI Gateway và ngân sách chi phí để kiểm soát chi phí của các công cụ lập trình tự động (coding agents) trong môi trường sản xuất, giúp tối ưu hóa hiệu quả công việc mà không phải lo lắng về chi phí bất ngờ.

Snowflake Cortex Pricing in 2026: How Much Does It Actually Cost (With Real Examples)

Bài viết giải thích chi phí của Snowflake Cortex AI thông qua các ví dụ thực tế, so sánh với Databricks, và hướng dẫn theo dõi chi tiêu Cortex cùng các hóa đơn cloud/SaaS khác như Anthropic hay OpenAI.

Lập trình viên AI nên đọc bài này để hiểu chi tiết chi phí thực tế của Snowflake Cortex so sánh với các giải pháp khác, giúp tối ưu hóa ngân sách và tránh rủi ro chi phí bất ngờ khi tích hợp AI vào dự án.

The EU Digital Product Passport: a traceability deadline

EU yêu cầu triển khai Digital Product Passport (hộ chiếu sản phẩm số) bắt buộc từ năm 2027, nhằm đảm bảo truy xuất nguồn gốc và dữ liệu bền vững. Doanh nghiệp phải đối mặt thách thức quản lý dữ liệu phức tạp và xây dựng hệ thống tuân thủ kịp tiến độ.

Lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống theo dõi dữ liệu hiệu quả cho các sản phẩm công nghiệp trong khung pháp lý mới của EU, giúp tối ưu hóa quy trình phát triển và đáp ứng yêu cầu traceability trong tương lai.

Real-Time AI Pipelines: Building a Kafka + Kubernetes + Databricks Stack for Agentic AI Systems

Bài viết giới thiệu cách xây dựng hệ thống AI thời gian thực bằng sự kết hợp giữa Kafka, Kubernetes và Databricks để triển khai các hệ thống AI agent, ví dụ như tự động bổ sung hàng tồn kho cho nhà phân phối.

Lập trình viên phát triển hệ thống AI cần đọc để hiểu cách kết hợp Kafka với Kubernetes và Databricks để xây dựng một ống dẫn xử lý thời gian thực hiệu quả, giúp các hệ thống AI agent hoạt động nhanh chóng và đáng tin cậy trong các ứng dụng quy mô lớn như tự động hóa chuỗi cung ứng.

AI-Native Data Warehouses (Snowflake Cortex, BigQuery AI, Databricks Mosaic AI): A 2026 Comparison

Bài viết so sánh ba nền tảng data warehouse tích hợp AI của Snowflake (Cortex), Google BigQuery (AI) và Databricks (Mosaic AI) dự kiến vào năm 2026.

Lập trình viên muốn xây dựng hệ thống AI/ML hiện đại nên đọc bài này để so sánh các giải pháp mới nhất trong năm 2026 về cơ sở dữ liệu AI-native, giúp chọn lựa công cụ phù hợp với nhu cầu tích hợp dữ liệu và mô hình AI một cách hiệu quả nhất.

Connect Amazon S3 data to Databricks with Delegated IAM Permissions

Tính năng kết nối tự động Amazon S3 với Databricks thông qua Delegated IAM Permissions đã chính thức ra mắt. Quản trị viên giờ đây có thể liên kết S3 bucket với Databricks chỉ bằng một lần đăng nhập AWS và vài cú click trực tiếp từ Catalog Explorer, nhờ vào quyền tạm thời từ AWS IAM.

Lập trình viên cần đọc bài này để khám phá cách tự động kết nối dữ liệu từ S3 với Databricks một cách an toàn và dễ dàng thông qua ủy quyền IAM tạm thời, giúp tiết kiệm thời gian và tránh rủi ro liên quan đến mật khẩu vĩnh viễn.

Understanding EXPLAIN FORMATTED in Databricks SQL

EXPLAIN FORMATTED trong Databricks SQL giúp phân tích kế hoạch thực thi (execution plan) của Spark, từ đó tối ưu truy vấn, phát hiện điểm nghẽn và cải thiện hiệu suất.

Lập trình viên cần đọc bài này để hiểu cách phân tích và tối ưu hóa các câu lệnh SQL trong Databricks bằng cách giải thích chi tiết các kế hoạch thực thi Spark, giúp phát hiện và khắc phục những điểm cản trở hiệu suất.