#202 - Những điều học được ở vị trí Software Architect
Trong số này, chúng ta sẽ cùng tìm hiểu về:
Lý do tại sao CockroachDB sử dụng RocksDB
Những lý do tại sao Python được sử dụng rộng rãi ngày nay hơn so với Perl
Tìm hiểu về thuật toán đồng thuận Tendermint
Tìm hiểu về MinHash
Lời giải bài toán Maximal Square
Techtalk về cách tối ưu Spark 3.0 và Delta Lake
Những bài viết hay
Key Things I learned after moving into a Software Architect role
Đã có rất nhiều bài viết về việc trở thành Kiến trúc sư phần mềm. Tuy nhiên, trong bài viết này tập trung nhiều hơn vào những điều quan trọng mà tác giả đã học được kể từ khi trở thành một "Software Architect". Tác giả bắt đầu từ vị trí Software Engineer, sau đó lên vị trí Tech Lead trước khi đi lên vai trò Architect.
Một trong những yếu tố quan trọng đầu tiên, đó là thay đổi tư duy. Nếu như ở vị trí Tech Lead, tác giả phải chịu trách nhiệm trong việc đảm bảo team luôn hoàn thành công việc đúng thời hạn, report theo từng sprint, v.v...
Thì ở vị trí Architect lúc này sẽ đòi hỏi phải có một tầm nhìn rộng hơn, với hướng phát triển tính theo từng năm.
Why we built CockroachDB on top of RocksDB
CockroachDB là một trong những distributed SQL databases phổ biến hiện nay. Các câu lệnh SQL này sẽ được chuyển đổi thành nhiều câu lệnh key-value trên một logical keyspace. Mỗi logical keyspace này sẽ được sharded thành nhiều mảng phân vùng keys (physical key ranges) với mỗi vùng key range được replicated trên ít nhất 3 máy chủ. Do đó, để truy vấn và viết dữ liệu key-value một cách hiệu quả ở mỗi máy chủ, CockroachDB cần dùng một key-value storage engine có hiệu suất tốt trên một máy chủ.
Bài viết sau đây được các đội ngũ kỹ sư ở CockroachDB viết vào đầu năm năm 2019 nói về lý do tại sao họ đã chọn RocksDB để giải quyết bài toán này. Mặc dù, họ có thay đổi thiết kế để dùng hệ thống storage engine Pebble mà họ làm ra vào năm 2020, nhưng bài viết sau đây vẫn đề cập nhiều cái nhìn hay về các chức năng của RocksDB mà đã giúp ích cho họ rất nhiều như là: prefix bloom filters, RocksDB snapshots, range deletion tombstones.
Trong những năm 90, khi nhắc đến ba ngôn ngữ lập trình hàng đầu, chắc chắn Perl là số một, Tcl / Tk là số hai, và Python chỉ là con số ba rất khiêm tốn.
Nhưng ngày nay, dựa trên khảo sát hàng năm của Stack Overflow - một trong những khảo sát toàn diện nhất của giới lập trình viên hiện tại - Python đang là ngôn ngữ lập trình phát triển nhanh nhất. Trong khi số lượng người sử dụng Perl đã bị thu hẹp đến mức không được đề cập trong khảo sát này gần đây.
Vậy Python đã vượt qua đối thủ trước đây của nó như thế nào và làm thế nào để giải thích "vận may rất khác nhau" của hai ngôn ngữ này? Van Rossum - tác giả của Python - tin rằng nó có liên quan đến việc duy trì, phát triển mã nguồn một khi nó phát triển vượt quá một kích thước nhất định. "Đối với một tập lệnh 10 dòng, Perl là hoàn hảo," anh ấy nói. "Nhưng nếu bạn có 500 dòng mã nguồn chính và vài nghìn dòng thư viện, thì nó đòi hỏi rất nhiều kỹ thuật lẫn quy tắc để có thể duy trì được khối lượng mã nguồn đó trong Perl. Nhưng nếu sử dụng Python, ngay cả khi bạn không có nhiều các quy tắc, mã nguồn vẫn sẽ khá dễ đọc và khá dễ bảo trì."
Những đặc điểm đó của Python cung cấp cho lập trình viên một ngôn ngữ lập trình khá đơn giản để bắt đầu, nhưng cũng đủ mạnh mẽ để được sử dụng cho các ứng dụng lớn.
Bài viết bao gồm 5 phần chính, đã nêu lên quá trình tác giả tạo ra ngôn ngữ Python, lý do mà Python phát triển và được sử dụng rộng rãi trong ngày nay và tương lai mà ngôn ngữ lập trình này hướng đến.
Python, những năm đầu tiên
Tại sao Python lại giành chiến thắng
Python và web
Sự tiến hóa của Python
Tương lai của Python
Mời bạn đọc tham khảo bài viết gốc để hiểu hơn về ngôn ngữ lập trình này.
Góc Distributed System
Tìm hiểu về thuật toán đồng thuận Tendermint
Tendermint thuộc dòng consensus Practical Byzantine Fault Tolerance (PBFT) hoạt động hiệu quả trong hệ thống tính tới lỗi Byzantine, được sử dụng phổ biến trong các mạng lưới blockchain. Đặc điểm của PBFT nói chung và Tendermint nói riêng là việc đồng thuận xảy ra dựa vào quá trình trao đổi các bản tin giữa các node được chia làm 3 phase chính: Propose - Vote - Commit. Điều kiện tiên quyết để đạt được đồng thuận là 2/3 tổng số node cùng đồng ý với giá trị đề xuất. Tendermint thực hiện việc đồng thuận theo từng vòng, ở mỗi vòng các node phải trải qua 3 giai đoạn kể trên. Ứng với mỗi giai đoạn, mỗi node sẽ phải đợi nhận đủ 2/3 số bản tin của giai đoạn đó hoặc là đạt thời gian timeout trước khi chuyển sang giai đoạn tiếp theo. Cũng như các thuật toán đồng thuận khác, các tính chất của Tendermint cũng bao gồm:
Agreement: không có hai correct node nào đồng thuận trên hai giá trị khác nhau tại cùng một bước đồng thuận.
Termination: toàn bộ correct node sẽ dần hội tụ về giá trị đồng thuận.
Validity: giá trị đồng thuận phải là một giá trị hợp lệ.
Để hiểu rõ hơn cơ chế hoạt động của Tendermint, mời bạn xem bài viết gốc: https://arxiv.org/pdf/1807.04938.pdf
Góc Database
Ở chuyên mục Góc Database kỳ trước, chúng ta đã được biết đến HyperLogLog, thuật toán giúp ước tính được số lượng phần tử duy nhất trong một tập hợp lên đến vài trăm triệu phần tử mà chỉ cần một lượng bộ nhớ rất nhỏ.
HyperLogLog có một đặc tính khá đặc biệt đó là có thể dùng để ước tính kết quả hợp (union) của hai tập hợp một cách dễ dàng. Ví dụ như bạn có hai tập hợp A và tập hợp B lần lượt được biểu diễn bởi hai bộ thanh ghi (registers) Ra và Rb được xây dựng dựa theo HyperLogLog, bằng cách kết hợp hai bộ thanh ghi Ra và Rb với nhau thành một bộ thanh ghi mới Rab, bạn có thể dùng để ước tính được A hợp B (A union B).
Tuy nhiên, để ước tính kết quả A giao B (A intersect B) thì HyperLogLog lại không phù hợp. Đến với góc Database kỳ này, mời bạn cùng tìm hiểu về kỹ thuật MinHash, một kỹ thuật giúp ước tính được "độ tương đồng" (similarity) của hai tập hợp.
MinHash sẽ dựa trên một chỉ số gọi là chỉ số Jaccard (Jaccard index, hay còn gọi là Jaccard similarity coefficient). Chỉ số Jaccard của hai tập hợp A và B sẽ được tính như sau:
Theo định nghĩa này thì J(A,B) sẽ nằm trong khoảng từ 0 đến 1 (0<=J<=1). Khi hai tập A và B giống hoàn toàn với nhau thì J=1, còn khi hai tập A và B khác hoàn toàn nhau thì J=0.
Bằng cách chỉ lưu trữ k phần tử nhỏ nhất của hai tập hợp A và B, thuật toán MinHash sẽ giúp chúng ta tính được chỉ số Jaccard của hai tập hợp, từ đó sẽ ước tính được kích thước của phép giao giữa hai tập A và B.
Kết hợp HyperLogLog và MinHash, chúng ta sẽ có được một phương pháp đầy đủ hơn giúp ước tính được kích thước của các tập hợp cùng kết quả các phép toán hợp (union), giao (intersect) của hai tập hợp, từ đó có thể ứng dụng cho các bài toán như ước tính lưu lượng, ước tính tập hợp người dùng cho quảng cáo, ...
Mời các bạn cùng xem clip này để hiểu thêm về MinHash.
Góc Lập Trình
Đề tuần này: Making A Large Island
Lời giải tuần trước:
Đề bài: Maximal Square
Lời giải
Đề bài yêu cầu tìm diện tích của ma trận vuông lớn nhất chỉ chứa số "1". Cách đầu tiên ta có thể thử là tại mỗi ô "1", ta mở rộng độ dài của của cạnh lên 1 đơn vị và kiểm tra xem ma trận vuông mới có chứa toàn số "1" hay không? Cách thực hiện có thể mô tả như sau:
1. Duyệt toàn bộ các ô, nếu ô chứa số "1", ta thực hiện bước 2
2. Tăng độ dài của cạnh lên 1 đơn vị và tiến hành kiểm tra
a. Nếu ma trận vuông mới chứa toàn số "1", ta cập nhật diện tích lớn nhất và tiếp tục bước 2 để tìm kiếm ma trận vuông lớn hơn.
b. Nếu ma trận vuông mới có chứa số "0", ta di chuyển sang ô tiếp theo, lặp lại từ bước 1
Giải thuật trên có độ phức tạp time complexity là O(m^2 * n^2), với m, n là số dòng, cột của ma trận đầu vào.
Để tối ưu time complexity của bài toán này, trước hết ta cần một quan sát như sau:
Nếu ô [i][j] hiện tại chứa số "1", ta có thể tạo được một ma trận vuông mới bằng cách thêm nó vào 3 ma trận vuông trước đó.
3 ma trận vuông trước đó là các ma trận có cạnh dưới cùng bên trái (bottom right) lần lượt là: [i - 1][j], [i][j - 1], [i - 1][j - 1].
Để dễ hiểu, mời bạn đọc xem công thức sau:
Gọi L(i, j) là độ dài của ma trận vuông lớn nhất tại ô [i][j], L[i][j] được tính bằng:
L[i][j] = min{ L[i - 1][j], L[i][j - 1], L[i - 1][j - 1] } + 1
Với công thức đệ quy như trên ta có thể dễ dàng giải bài toán này theo quy hoạch động (Dynamic Programming) như sau: https://pastebin.com/LPGizKUd
Độ phức tạp time complexity, space complexity của giải thuật là O(m*n).
Ta hoàn toàn có thể tối ưu space complexity của giải thuật xuống O(m) (hoặc O(n)), mời bạn đọc thử thực hiện.
Tech Talks
Tech Talk: Top Tuning Tips for Spark 3.0 and Delta Lake on Databricks
Apache Spark đã trở thành một trong những mã nguồn mở phổ biến nhất để xử lý Big Data nhờ tính dễ sử dụng và hiệu suất cao của nó. Và dự án Delta Lake càng giúp nâng cao vị thế dẫn đầu của Spark với các tính năng mới ưu việt như ACID transactions, Schema Enforcement hay Time Travel. Các tính năng này giúp Data Lakes và Data Pipelines có thể cung cấp nguồn dữ liệu chất lượng cao, đáng tin cậy cho các Data teams, từ đó giúp quá trình phân tích dữ liệu hay xây dựng các model machine learning một cách chính xác và hiệu quả hơn.
Qua buổi Teck Talk này, hãy cũng các speakers đến từ Databrick thảo luận các tips giúp hiệu chỉnh Apache Spark 3.0 và Delta Lake một cách tối ưu trên Databrick:
Sử dụng JOIN Strategy hiệu quả nhất trong Spark
Sử dụng Apache Spark 3.0 và Adaptive Query Execution
Partition Pruning
Data Skipping
Z-Ordering
Databricks Delta Lake and Stats
Tối ưu Merges
Lựa chọn instance types một cách chính xác
Để hiểu hơn về Delta Lake, các bạn có thể tham khảo Tech Talk sau. Tech Talk này cũng đã được chúng mình giới thiệu trong Grokking Newsletter số #197
Code & Tools
Góc Sponsors
One Mount là tập đoàn kiến tạo hệ sinh thái công nghệ lớn nhất Việt Nam, cung cấp các giải pháp và dịch vụ xuyên suốt chuỗi giá trị, từ lĩnh vực dịch vụ tài chính, phân phối, bất động sản và bán lẻ, với ba sản phẩm chủ lực: VinShop, VinID, OneHousing.
Với trụ sở tại Hà Nội, Hồ Chí Minh và quy tụ hơn 1.500 nhân sự xuất sắc, One Mount tâm huyết xây dựng môi trường làm việc:
Đề cao “Giá trị của công việc ý nghĩa”
Quy tụ nhân tài Việt trên toàn cầu
Văn hóa thành công cùng nhau vươn tới đỉnh cao
Các vị trí hấp dẫn đang mở tuyển:
Back-end Engineer (Java/Golang), Front-end Engineer (ReactJS, Angular), Mobile Developer (iOS, Android)
Data Analysis, Data Engineer, Data Scientist
Business Analysis, QC Engineer
Tham khảo các thông tin về văn hóa, môi trường làm việc, cơ hội nghề nghiệp tại One Mount:
Website: https://careers.onemount.com/
Quotes
When your hammer is C++, everything begins to look like a thumb.
— Steve Haflich