Improving Lakebase Postgres compute cache

Scaling Down Costs, Not Performance: How We Migrated from Couchbase to PostgreSQL

Trendyol xử lý hàng triệu sự kiện và giao dịch mỗi ngày và trước đây dựa vào Couchbase làm …

PostGREShell: A Decadelong PostgreSQL Vulnerability Revealed

Một lỗ Authorization Bypass nghiêm trọng đã được phát hiện trong PostgreSQL, nền tảng database quan trọng cho nhiều hệ thống hiện đại. Lỗ hổng tồn tại ít nhất 10 năm và cho phép kẻ tấn công thực thi shell code bằng cách khai thác tính năng autovacuum. Vấn đề nằm ở cách xử lý tham số trong quá trình xử lý process, đặc biệt với đoạn mã liên quan đến vacuumlo và ảnh hưởng đến phiên bản từ 9.3 đến 15.0. PostgreSQL đã phát bản vá lỗi quan trọng trong bản 15.1, 14.7, 13.10, 12.15 và 11.20, nhưng các hệ thống cũ hơn vẫn có nguy cơ. Lần này nhấn mạnh tầm quan trọng của việc vá lỗi kịp thời ngay cả với các tính năng hệ thống ít được chú ý.

Lập trình viên nên đọc bài này để bảo vệ hệ thống khỏi lỗi xác thực ủy quyền nghiêm trọng trong PostgreSQL đã tồn tại trong suốt một thập kỷ.

A practical approach to end-to-end Solvency II reporting in Databricks

Trong lĩnh vực tài chính, việc tuân thủ quy định Solvency II luôn đòi hỏi quy trình báo cáo phức tạp. Databricks cung cấp một nền tảng duy nhất cho phép triển khai toàn bộ chu kỳ báo cáo Solvency II như một workflow được quản lý, kết nối dữ liệu, mô hình và AI để đơn giản hóa việc tuân thủ và phân tích kịch bản. Giải pháp này giúp các tổ chức tài chính giảm thời gian báo cáo từ vài tuần xuống còn vài ngày, đồng thời tăng tính nhất quán và giảm sai sót. Đối với các lập trình viên làm việc trong lĩnh vực FinTech, bài viết này cung cấp hướng dẫn thực tế về cách thiết lập hệ thống báo cáo end-to-end trên Databricks. Bạn sẽ học được cách tối ưu hóa quy trình xử lý dữ liệu lớn và tích hợp các mô hình rủi ro phức tạp vào một nền tảng thống nhất.

Bài viết này giúp lập trình viên hiểu cách triển khai chu trình báo cáo Solvency II toàn diện trên Databricks với quy trình được quản lý tập trung.

How to Synchronize Read and Write Databases in a CQRS Architecture

Bối cảnh là một hệ thống đặt phòng khách sạn cần mở rộng khả năng tra cứu nhanh nên áp dụng mô hình CQRS với MongoDB làm cơ sở dữ liệu đọc và PostgreSQL làm cơ sở dữ liệu ghi. Nguyên nhân kỹ thuật là việc tách riêng cơ sở dữ liệu đọc và ghi khiến dữ liệu trên MongoDB chỉ được cập nhật từ PostgreSQL theo cách bất đồng bộ, dẫn đến trễ thời gian giữa hai kho lưu trữ. Hệ quả là nếu không có cơ chế điều chỉnh, thông tin phòng có thể trở nên cũ, ảnh hưởng đến trải nghiệm người dùng và độ tin cậy của kết quả tra cứu. Để giảm thiểu drift, dự án sử dụng các cập nhật bất đồng bộ định kỳ kết hợp với việc xây dựng lại batch toàn bộ MongoDB theo lịch, giúp duy trì sự cân bằng giữa tốc độ và tính nhất quán. Điều đáng học là trong kiến trúc CQRS, việc kết hợp cơ chế sao chép async và các quy trình tái tạo batch là cách hiệu quả để kiểm soát độ trễ dữ liệu mà không hy sinh hiệu suất tìm kiếm.

Bài viết hướng dẫn giải pháp đồng bộ hóa dữ liệu giữa hai hệ quản trị cơ sở dữ liệu khác nhau trong kiến trúc CQRS giúp tối ưu hiệu năng và đảm bảo tính nhất quán.

Getting Ready for PostgreSQL 19

PostgreSQL 19 Beta 3 được phát hành vào ngày 13 / 8 / 2026 và ghi chú phát hành đã được …

Migration files and Git do not mix — DiffyPick Blog

Trong hệ thống version control như Git, các thay đổi schema tồn tại trong các file riêng biệt nên hiếm khi gây xung đột merge. Việc lưu trữ migration files trong Git không đồng nghĩa với việc quản lý chúng hiệu quả bởi Git không hiểu ngữ cảnh của các thay đổi database schema. Hệ quả là các migration files có thể trở nên lỗi thời hoặc gây khó khăn trong việc tracking changes thực tế. Lập trình viên nên cân nhắc sử dụng các công cụ chuyên dụng như Liquibase hoặc Flyway để quản lý schema thay vì phụ thuộc hoàn toàn vào Git tracking.

Lập trình viên nên đọc bài này để hiểu cách quản lý migration files trong Git để tránh hiểu lầm về việc các thay đổi schema được tự động hợp nhất.

Postgres's implicit transactions

PostgreSQL mặc định bọc mỗi câu lệnh trong một giao dịch riêng khi không có BEGIN…COMMIT rõ ràng. Tuy nhiên, khi gửi nhiều câu lệnh trong một chuỗi truy vấn đơn (thông qua PQexec hoặc các hàm plpgsql) hoặc sử dụng các tiện ích như COPY và CREATE INDEX CONCURRENTLY, máy chủ sẽ ẩn ý tạo một giao dịch duy nhất bao gồm tất cả các câu lệnh đó. Điều này có thể dẫn đến việc giữ khóa lâu hơn, tiêu thụ ID giao dịch tăng nhanh và làm khó khăn việc rollback một phần công việc khi lỗi xảy ra. Do đó, lập trình viên cần kiểm tra xem ứng dụng của mình có vô tình nhóm nhiều câu lệnh vào một giao dịch ngầm không và cân nhắc sử dụng BEGIN…COMMIT cụ thể khi cần kiểm soát granularity. Theo dõi pg_stat_activity để phát hiện các giao dịch mở dài hạn cũng là biện pháp phòng ngừa tốt.

Bài này giúp lập trình viên hiểu rõ cách Postgres tự động tạo giao dịch nhiều câu lệnh, tránh lỗi và tối ưu hiệu năng.