How Channel Corporation modernized their architecture with Amazon DynamoDB, Part 3: User and Badge

WebSockets vs. SSE should be about ordering and correctness

Hiện nay nhiều dự án thảo luận việc truyền HTML qua WebSockets hoặc qua Server‑Sent Events (SSE) kết hợp với Fetch API để cập nhật giao diện real‑time. WebSockets cung cấp kênh full‑duplex liên tục nhưng không có cơ chế tự động reordering gói tin, trong khi SSE dựa trên HTTP/1.1 (hoặc HTTP/2) và đảm bảo sự kiện được gửi theo thứ tự kết nối, tuy nhiên chỉ là một chiều và phụ thuộc vào xử lý lỗi kết nối. Nếu팀 chỉ nhìn vào độ trễ hoặc throughput mà bỏ qua việc bảo证 sự kiện đến theo thứ tự đúng, giao diện có thể hiển thị các mảnh HTML cũ sau khi đã nhận được bản cập nhật mới, dẫn tới lỗi hiển thị hoặc trạng thái không nhất quán. Thay vì tranh luận WebSockets vs SSE chỉ từ góc độ hiệu suất, nhóm phát triển nên tập trung vào việc thiết kế cơ chế định danh và kiểm tra thứ tự (ví dụ: gắn ID tăng dần, sử dụng idempotent update hoặc buffer reordering) để đảm bảo tính đúng của luồng dữ liệu bất kể chọn phương thức nào. Khi áp dụng đúng cách, cả hai công nghệ đều có thể truyền HTML real‑time mà không lo về thứ tự, cho phép lựa chọn dựa trên nhu cầu duplex hay đơn giản hơn của ứng dụng.

Bài viết này giúp lập trình viên hiểu được lựa chọn giữa WebSockets và SSE nên dựa trên yêu cầu về thứ tự và độ chính xác của dữ liệu, không chỉ dựa trên phương thức kỹ thuật.

Connection Pool Sizing, Measured: Why 48 Connections Beat 400

Bài viết thực nghiệm trên PostgreSQL bằng cách tăng số kết nối từ 1 lên 400 để đo …

LibreDB Studio: an open source, self-hosted SQL IDE for PostgreSQL in the browser

LibreDB Studio là IDE SQL mã nguồn mở, tự host cho PostgreSQL chạy trên trình duyệt, triển …

SQL Indexing Explained: Composite Indexes and Column Order

Bài viết bắt đầu bằng việc tạo bảng comments với 1 triệu bản ghi trong PostgreSQL để đánh giá hiệu suất các chiến lược indexing. Tác giả chạy EXPLAIN ANALYZE trên các truy vấn lọc và sắp xếp theo nhiều cột, đo thời gian thực thi của sequential scan là khoảng 17 ms khi không có index. Khi tạo chỉ mục đơn cột trên cột được dùng trong WHERE, thời gian giảm xuống dưới 2 ms; nhưng chỉ mục hợp thành (c1, c2) chỉ hiệu quả khi thứ tự cột trong chỉ mục khớp với thứ tự sử dụng trong predicate và ORDER BY. Đảo ngược thứ tự cột trong chỉ mục hợp thành khiến planner phải thực hiện index scan kết hợp với recheck hoặc fallback về sequential scan, làm tăng thời gian lên 5‑8 ms tùy thuộc vào selectivity. Bài học là: thiết kế chỉ mục hợp thành cần đặt cột có tính chọn lọc cao hoặc được sử dụng trong điều kiện bằng trước, sau đó mới là cột dùng cho range hoặc sắp xếp, và luôn xác thực bằng EXPLAIN ANALYZE trên dữ liệu thực tế.

Bài viết này giúp lập trình viên tối ưu hóa hiệu suất truy vấn SQL bằng cách giải thích cách tạo và sử dụng chỉ mục composite đúng cách.

Postgres 19: How Our Advice Has Changed Since...

Bài viết đánh giá lại những lời khuyên trước đây về các tính năng như COPY, TOAST, BRIN …

Does anyone run Postgres without PgBouncer?

Hầu hết các nhà cung cấp Postgres lớn (AWS RDS, Azure, Google Cloud SQL, Supabase, Neon...) đều tích hợp sẵn PgBouncer hoặc giải pháp pooling tương tự, chỉ trừ IBM Cloud và Oracle OCI. Bài viết cho rằng pooling là yếu tố bắt buộc vì Postgres xử lý kết nối kém hiệu quả, trái ngược với MySQL hay MongoDB vốn không cần giải pháp bổ sung.

Là lập trình viên quản lý cơ sở dữ liệu PostgreSQL, bạn nên đọc bài này để hiểu tại sao việc sử dụng PgBouncer không chỉ là một giải pháp hiệu quả mà còn là một công cụ bắt buộc để tối ưu hóa hiệu suất, tránh tình trạng "connection leak" và giảm chi phí tài nguyên khi làm việc với nhiều ứng dụng đồng thời.

Thoughts on LLMs

Nghiên cứu viên hệ thống phân tán đã dành hai năm viết về LLM và tổng hợp một chỉ mục các bài viết liên quan. Ông cho rằng LLM nổi bật ở việc tạo ra lượng lớn output “trung bình” – nhìn ấn tượng đối với người không chuyên nhưng chỉ đủ mức độ cho những người có kiến thức chuyên môn (hiện tượng Gell‑Mann amnesia). Nhờ khả năng này, LLM rất hữu ích để giảm tải công việc thường ngày và duy trì động lực làm việc, đặc biệt đối với người có ADHD, trong khi suy nghĩ thực sự, viết và lập kế hoạch vẫn diễn ra trong Emacs. Ngoài ra, ông còn liệt kê các bài viết nơi AI giao thoa với nghiên cứu phương pháp formal và hệ thống, bao gồm kiểm tra mô hình, workshop TLA+ và nghiên cứu về năng suất coding AI. Bài học chính là coi LLM như công cụ hỗ trợ cho công việc lặp lại, không thay thế cho tư duy sâu sắc và chuyên môn cần thiết trong nghiên cứu hệ thống và phương pháp formal.

Bài này giúp lập trình viên cân bằng cách sử dụng LLM hiệu quả cho công việc lặp lại mà vẫn giữ được tư duy sáng tạo sâu trong chuyên môn.

What AI Thinks a DBA Does All Day

Bài viết bắt đầu bằng việc so sánh hình dung của AI về một ngày làm việc của DBA (backup, tài liệu, kiểm tra sức khỏe chủ động và một cửa sổ làm việc im ắng) với ngày thực tế của tác giả. Theo AI, ngày DBA chỉ gồm sáu hoạt động chính, trong khi bản ghi thực tế của tác giả liệt kê lên tới mười ba việc khác nhau. Sự chênh lệch này phản ánh việc mô hình ngôn ngữ có xu hướng tổng hợp từ dữ liệu huấn luyện mà thường bỏ qua các tác vụ phức tạp, lặp lại và không thể đoán trước như xử lý sự cố, tối ưu truy vấn, quản lý quyền và phản hồi ngay lập tức. Vì vậy, nếu chỉ dựa vào mô tả của AI, người quản lý hoặc nhà phát triển có thể low估 DBA的工作量，导致资源分配不足或对系统可靠性产生误判。 Bài học là cần kiểm chứng các mô tả tự động bằng dữ liệu thực tế từ trường, đặc biệt là khi lên kế hoạch nhân lực, định nghĩa SLA hoặc đánh giá công cụ tự động hoá cho quản trị cơ sở dữ liệu.

Bài viết này giúp bạn thấy được sự khác biệt giữa quan niệm lý tưởng và thực tế công việc của một DBA, từ đó hiểu thách thức thực sự trong quản lý cơ sở dữ liệu.