100 câu Database & Kiến trúc nâng cao
Trang chủ / Chủ đề 8
📈 Chủ đề 8 / 10 ❓ Câu 71-80

Scalability, performance & resilience

Load balancing L4/L7 và thuật toán, cache nhiều tầng ở quy mô lớn, CDN và edge, autoscaling, kết hợp các pattern resilience, graceful degradation, multi-region active-active, cell-based architecture, tail latency, sự kiện tải đột biến.

📌 Người phỏng vấn muốn kiểm tra điều gì

Scale không phải là 'thêm máy'. Người phỏng vấn muốn thấy bạn biết điểm nghẽn tiếp theo ở đâu, cơ chế nào làm hệ thống sụp khi quá tải, và cách giới hạn bán kính ảnh hưởng khi một phần hỏng. Câu trả lời mạnh luôn có con số (RPS, p99, chi phí) và nói rõ hệ thống sẽ hành xử thế nào khi vượt giới hạn.

📋 Danh sách câu hỏi

  1. 71Load balancer L4 và L7 khác nhau thế nào? So sánh các thuật toán round robin, least connections, power of two choices, consistent hashing.●●●○ Khó
  2. 72Thiết kế cache nhiều tầng cho hệ thống đọc 500.000 request/giây. Làm sao giữ nhất quán và tránh các hiện tượng sụp đổ?●●●● Cực khó
  3. 73Bạn dùng CDN và edge computing thế nào cho một ứng dụng web toàn cầu? Cái gì nên và không nên chạy ở edge?●●●○ Khó
  4. 74Thiết kế autoscaling cho dịch vụ web và worker. Scale theo metric nào? Những bẫy nào thường gặp?●●●○ Khó
  5. 75Kết hợp timeout, retry, circuit breaker, bulkhead và rate limit thành một chiến lược resilience nhất quán thế nào? Retry budget là gì?●●●● Cực khó
  6. 76Graceful degradation là gì? Khi hệ thống quá tải hoặc một phụ thuộc sập, bạn quyết định tắt cái gì?●●●○ Khó
  7. 77Thiết kế kiến trúc ứng dụng active-active trên hai region. Những phần nào khó nhất?●●●● Cực khó
  8. 78Cell-based architecture là gì? Nó giảm 'blast radius' của sự cố ra sao?●●●● Cực khó
  9. 79Vì sao p99 latency quan trọng hơn trung bình ở quy mô lớn? Hedged request và 'coordinated omission' là gì?●●●● Cực khó
  10. 80Thiết kế hệ thống cho đợt mở bán vé concert: 2 triệu người truy cập cùng lúc cho 50.000 vé.●●●● Cực khó
Mẹo: tự trả lời thành tiếng trước, rồi mới mở đáp án.
Câu 71●●●○ Khó
Load balancer L4 và L7 khác nhau thế nào? So sánh các thuật toán round robin, least connections, power of two choices, consistent hashing.
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

L4 cân bằng theo kết nối TCP/UDP (IP, port) — nhanh, không đọc nội dung, không biết HTTP. L7 hiểu HTTP/gRPC — định tuyến theo path/header/host, kết thúc TLS, retry, cân bằng theo request (quan trọng với HTTP/2/gRPC giữ kết nối lâu). Thuật toán: round robin đơn giản nhưng mù tải; least connections/least request theo tải hiện tại; power of two choices (chọn ngẫu nhiên 2, lấy cái ít tải hơn) gần tối ưu mà rẻ và tránh dồn cục; consistent hashing để cùng key về cùng backend (cache locality, sticky).

📖 Giải thích lý thuyết
  • gRPC/HTTP2 qua L4: một kết nối dài mang mọi request → dồn hết vào một pod. Cần L7 (Envoy, mesh) hoặc client-side load balancing.
  • Sticky session (cookie affinity) làm phân tải lệch và mất session khi node chết — ưu tiên service stateless.
  • Health check + outlier detection (loại backend có tỷ lệ lỗi/độ trễ bất thường) quan trọng ngang thuật toán.
  • Global load balancing: DNS dựa trên địa lý/độ trễ, anycast (Cloudflare, Google), GSLB.
🛠️ Áp dụng trong dự án thực tế
  • Pod mới khởi động lạnh (JIT, cache trống) bị least-request đổ dồn vào vì "ít kết nối" → slow start / warm-up.
  • Timeout và retry ở load balancer phải phối hợp với timeout ứng dụng để tránh retry kép.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Sau khi scale từ 3 lên 10 pod gRPC, CPU vẫn chỉ cao ở 3 pod cũ." → Client giữ kết nối HTTP/2 cũ; L4 không cân bằng lại. Dùng L7/mesh, hoặc giới hạn tuổi kết nối (max connection age) để client kết nối lại.

🚩 Sai lầm khiến ứng viên mất điểm

Nghĩ mọi load balancer cân bằng theo request.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 72●●●● Cực khó
Thiết kế cache nhiều tầng cho hệ thống đọc 500.000 request/giây. Làm sao giữ nhất quán và tránh các hiện tượng sụp đổ?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Tầng: CDN/edge (nội dung công khai) → cache trong tiến trình (LRU nhỏ, TTL ngắn cho key cực nóng) → cache phân tán (Redis/Memcached cluster, sharded) → database. Nhất quán: vô hiệu hoá theo sự kiện thay đổi (CDC → xoá key ở mọi tầng), TTL làm lưới an toàn, version trong key. Chống sụp: request coalescing/single-flight, TTL jitter, stale-while-revalidate, negative caching (cache cả kết quả 'không tồn tại'), giới hạn tải xuống DB khi cache trống, làm ấm cache trước khi đưa node mới vào.

📖 Giải thích lý thuyết
  • Cache penetration: truy vấn liên tục key không tồn tại (kể cả tấn công) → luôn miss xuống DB. Giải: negative cache, bloom filter.
  • Cache avalanche: hàng loạt key hết hạn cùng lúc hoặc cụm cache sập → toàn bộ tải vào DB. Giải: jitter, cache nhiều bản sao, circuit breaker và giới hạn concurrency vào DB.
  • Cache trong tiến trình × 200 pod = 200 bản sao có thể lệch nhau → chỉ dùng cho dữ liệu chấp nhận lệch vài giây, hoặc broadcast lệnh vô hiệu hoá qua pub/sub.
  • Kích thước: dùng phân bố truy cập (thường Zipf — 20% key chiếm 80% đọc) để ước lượng bộ nhớ cần cho hit rate mục tiêu.
🛠️ Áp dụng trong dự án thực tế
  • Facebook (memcache paper) dùng lease để chống thundering herd và stale set; Redis có client-side caching với tracking để vô hiệu hoá cache cục bộ.
  • Theo dõi hit rate theo tầng, độ trễ, eviction, và "tải DB nếu cache biến mất" — DB phải sống sót được (có thể ở chế độ suy giảm) khi cache lạnh.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Redis cluster restart, DB sập ngay sau đó." → Thiếu bảo vệ khi cache lạnh: giới hạn concurrency xuống DB, ưu tiên request quan trọng, làm ấm dần, cache replica để không mất toàn bộ cùng lúc.

🚩 Sai lầm khiến ứng viên mất điểm

Một tầng Redis duy nhất và hy vọng nó không bao giờ trống.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 73●●●○ Khó
Bạn dùng CDN và edge computing thế nào cho một ứng dụng web toàn cầu? Cái gì nên và không nên chạy ở edge?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

CDN cache tại điểm gần người dùng: asset tĩnh (cache dài hạn với tên có hash), ảnh/video (kèm tối ưu ảnh), trang công khai/API công khai (TTL ngắn + stale-while-revalidate + purge theo tag). Edge functions chạy code nhẹ gần người dùng: định tuyến, A/B, redirect, kiểm tra token, personalization nhẹ, geo-blocking. Không nên đặt ở edge: logic cần truy cập DB trung tâm nhiều lần (mỗi truy vấn là một chuyến khứ hồi xa — edge function gọi DB ở Mỹ từ Singapore còn chậm hơn chạy server ở Mỹ), xử lý nặng, dữ liệu cần nhất quán mạnh.

📖 Giải thích lý thuyết
  • Cache key: chọn đúng thành phần (path, query cho phép, header ngôn ngữ/thiết bị); Vary quá rộng làm hit rate sụp; thiếu thì trả nội dung sai người.
  • Không bao giờ cache response có dữ liệu cá nhân ở cache chung (Cache-Control: private, hoặc bỏ qua cache khi có cookie phiên).
  • Origin shield: một tầng cache trung gian giảm số request về origin khi nhiều PoP cùng miss.
  • Edge data: KV toàn cầu (nhất quán cuối cùng), DB có read replica ở nhiều region, hoặc đưa dữ liệu theo người dùng về region gần họ.
🛠️ Áp dụng trong dự án thực tế
  • Đo hit ratio của CDN và băng thông origin; tối ưu cache key là việc có lợi nhuận lớn nhất.
  • CDN cũng là lớp bảo vệ: WAF, chặn bot, chống DDoS, rate limit tại biên.
🎭 Tình huống & câu hỏi nối tiếp

Tình huống: "Người dùng A thấy tên của người dùng B trên header trang." → Trang có dữ liệu cá nhân bị CDN cache chung. Sự cố bảo mật: purge ngay, sửa header (private/no-store cho trang cá nhân hoá), tách phần cá nhân hoá ra tải sau ở client hoặc dynamic.

🚩 Sai lầm khiến ứng viên mất điểm

Đưa mọi thứ lên edge vì 'gần người dùng hơn'.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 74●●●○ Khó
Thiết kế autoscaling cho dịch vụ web và worker. Scale theo metric nào? Những bẫy nào thường gặp?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Web stateless: scale theo CPU hoặc tốt hơn theo request/giây hoặc concurrency mỗi pod, kèm kiểm tra latency. Worker queue: scale theo độ dài hàng đợi / độ trễ xử lý (KEDA). Bẫy: thời gian khởi động (cold start) làm scale không kịp đỉnh đột ngột; scale ứng dụng làm dồn tải xuống database (hết connection, DB thành nút cổ chai); dao động scale lên/xuống liên tục (flapping); giới hạn quota cloud; scale dựa trên metric không phản ánh tải thật (CPU thấp vì đang chờ I/O).

📖 Giải thích lý thuyết
  • Kubernetes HPA: metric CPU/memory hoặc custom metric; VPA điều chỉnh request/limit; Cluster Autoscaler/Karpenter thêm node (chậm hơn — vài phút).
  • Cửa sổ ổn định (stabilization window) khi scale down để tránh flapping; scale up nhanh, scale down chậm.
  • Scheduled/predictive scaling cho đỉnh biết trước (sự kiện, giờ cao điểm hằng ngày).
  • Scale-to-zero (serverless, Knative) tiết kiệm nhưng trả giá bằng cold start.
🛠️ Áp dụng trong dự án thực tế
  • Đặt số replica tối thiểu đủ cho tải nền + dư địa đột biến trong lúc chờ scale; số tối đa theo năng lực của DB và phụ thuộc.
  • Giảm thời gian khởi động: image nhỏ, khởi tạo lười, readiness chính xác.
  • Load test để xác nhận autoscaling phản ứng đúng — không chỉ tin vào cấu hình.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Autoscaling lên 80 pod trong đợt tải, sau đó mọi thứ tệ hơn." → 80 pod × pool 10 = 800 connection vượt giới hạn DB. Đặt trần replica, dùng pooler, và scale theo năng lực nút cổ chai thật.

🚩 Sai lầm khiến ứng viên mất điểm

Autoscale theo CPU cho dịch vụ I/O-bound; không giới hạn số replica tối đa.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 75●●●● Cực khó
Kết hợp timeout, retry, circuit breaker, bulkhead và rate limit thành một chiến lược resilience nhất quán thế nào? Retry budget là gì?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Mỗi phụ thuộc cần: timeout (dựa trên deadline còn lại của request), retry có giới hạn chỉ cho lỗi tạm thời và thao tác idempotent, có backoff + jitter, chỉ ở một tầng; circuit breaker ngừng gọi phụ thuộc đang hỏng; bulkhead (pool/concurrency riêng mỗi phụ thuộc) để một phụ thuộc chậm không chiếm hết luồng/kết nối; rate limit/load shedding ở biên để bảo vệ chính mình. Retry budget: giới hạn retry ở một tỷ lệ phần trăm so với request gốc (ví dụ ≤ 10%) để retry không bao giờ nhân tải lên khi hệ thống đang yếu.

📖 Giải thích lý thuyết
  • Thứ tự bọc: bulkhead → circuit breaker → retry → timeout cho từng lần thử (cấu hình mỗi thư viện khác nhau, cần hiểu rõ).
  • Retry nhiều tầng nhân lên theo cấp số: 3 tầng × 3 lần = 27 lần gọi. Chỉ tầng gần lỗi nhất retry, tầng trên thì không.
  • Circuit breaker cần ngưỡng theo tỷ lệ lỗi trong cửa sổ trượt với số request tối thiểu, half-open thử với ít request.
  • gRPC/Envoy có sẵn retry budget và hedging.
🛠️ Áp dụng trong dự án thực tế
  • Viết các quyết định này thành chính sách chung cho tổ chức (thư viện client nội bộ hoặc cấu hình mesh) thay vì mỗi team tự làm.
  • Kiểm chứng bằng fault injection: thêm độ trễ 2s vào một phụ thuộc và quan sát hệ thống có giữ được SLO không.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Service inventory chậm làm toàn bộ API gateway hết luồng xử lý." → Thiếu bulkhead và timeout: mọi worker chờ inventory. Tách pool cho inventory, timeout theo deadline, circuit breaker; endpoint không cần inventory vẫn chạy bình thường.

🚩 Sai lầm khiến ứng viên mất điểm

Retry ở mọi tầng; timeout mặc định vô hạn của HTTP client.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 76●●●○ Khó
Graceful degradation là gì? Khi hệ thống quá tải hoặc một phụ thuộc sập, bạn quyết định tắt cái gì?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Thiết kế để hệ thống giảm chức năng thay vì sập hoàn toàn: xác định trước tính năng nào thiết yếu (đăng nhập, xem, thanh toán) và tính năng nào phụ (gợi ý, thống kê realtime, tìm kiếm nâng cao, ảnh độ phân giải cao). Khi quá tải/sự cố: trả dữ liệu cache cũ, tắt tính năng phụ bằng kill switch/feature flag, chuyển sang chế độ chỉ đọc, giảm chất lượng (ảnh nhỏ, ít kết quả), xếp hàng thao tác để xử lý sau, ưu tiên người dùng/request quan trọng.

📖 Giải thích lý thuyết
  • Phân loại request theo độ ưu tiên (criticality) ngay từ thiết kế, gắn vào header để mọi tầng có thể shed request ưu tiên thấp trước.
  • "Brownout": chủ động tắt dần phần tốn tài nguyên khi tải vượt ngưỡng, bật lại khi bình thường.
  • Static fallback: trang tĩnh/snapshot được tạo sẵn phục vụ khi backend không khả dụng.
🛠️ Áp dụng trong dự án thực tế
  • Runbook liệt kê kill switch có sẵn và tác động của từng cái; diễn tập bật/tắt.
  • UI phải xử lý được trạng thái "tính năng tạm thời không khả dụng" mà không vỡ trang.
  • Đo chi phí tài nguyên theo tính năng để biết tắt gì thì giải phóng được nhiều nhất.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Trong Black Friday, DB đạt 95% CPU." → Bật cache dài hơn cho trang sản phẩm, tắt 'người khác cũng xem', tắt đếm tồn kho realtime (hiển thị 'còn hàng'), hoãn email marketing và job báo cáo, giữ nguyên tài nguyên cho giỏ hàng và thanh toán.

🚩 Sai lầm khiến ứng viên mất điểm

Không có danh sách tính năng thiết yếu; chỉ có hai trạng thái: chạy hoặc sập.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 77●●●● Cực khó
Thiết kế kiến trúc ứng dụng active-active trên hai region. Những phần nào khó nhất?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Tầng stateless (API, worker) dễ: chạy ở cả hai region, định tuyến toàn cục (DNS geo/latency, anycast) với health check để chuyển traffic khi một region hỏng. Khó nhất là trạng thái: database (chọn home region theo người dùng/tenant, hoặc DB phân tán đồng thuận, hoặc chấp nhận xung đột có giải pháp), cache và session (dữ liệu theo region hoặc sao chép), hàng đợi và job định kỳ (tránh chạy trùng ở hai region), tài nguyên toàn cục duy nhất (username, tồn kho), và dung lượng dư: mỗi region phải gánh được 100% tải khi region kia sập.

📖 Giải thích lý thuyết
  • Mô hình phổ biến và thực tế: "active-active cho đọc, home-region cho ghi" — người dùng EU ghi ở EU, người dùng Mỹ ghi ở Mỹ; failover đổi home region có kiểm soát.
  • Định tuyến dính (sticky) theo người dùng để tránh đọc từ region có dữ liệu cũ ngay sau khi ghi.
  • Cron/scheduler: một region làm leader (leader election toàn cục) hoặc phân vùng việc theo region.
  • Kiểm thử failover region thường xuyên, nếu không thì khả năng chịu lỗi chỉ là lý thuyết.
🛠️ Áp dụng trong dự án thực tế
  • Chi phí: hạ tầng gần gấp đôi + phí truyền dữ liệu liên region + độ phức tạp vận hành — cần lý do kinh doanh rõ (SLA, data residency, độ trễ toàn cầu).
  • Bắt đầu bằng active-passive có failover tự động diễn tập được, rồi mới tiến lên.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Region chính sập 30 phút, failover xong thì region phụ cũng sập vì quá tải." → Region phụ không được cấp đủ dung lượng dư (hoặc autoscaling không kịp, quota không đủ). Kế hoạch dung lượng N+1 theo region và kiểm tra quota trước.

🚩 Sai lầm khiến ứng viên mất điểm

Chỉ nói về triển khai stateless mà bỏ qua database.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 78●●●● Cực khó
Cell-based architecture là gì? Nó giảm 'blast radius' của sự cố ra sao?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Chia hệ thống thành nhiều cell độc lập — mỗi cell là một bản sao đầy đủ của stack (service, database, cache, queue) phục vụ một nhóm khách hàng/tenant xác định, không chia sẻ trạng thái với cell khác. Một lớp định tuyến mỏng (cell router) ánh xạ khách hàng → cell. Khi có lỗi (bug deploy, dữ liệu xấu, tenant quá tải, sự cố hạ tầng), chỉ cell đó bị ảnh hưởng — ví dụ 5% khách hàng thay vì 100%.

📖 Giải thích lý thuyết
  • Deploy theo làn sóng: cell nội bộ/canary trước → một cell → nhiều cell → tất cả; phát hiện lỗi sớm với bán kính nhỏ.
  • Kích thước cell cố định và đã được kiểm thử tải → scale bằng cách thêm cell, không phải phóng to cell (giới hạn đã biết).
  • Shuffle sharding: mỗi khách hàng được gán vào một tổ hợp ngẫu nhiên vài node trong nhóm lớn → hai khách hàng hiếm khi chung toàn bộ node, một khách xấu (poison request) chỉ ảnh hưởng ít khách khác.
  • Router phải cực kỳ đơn giản và bền vì nó là phần chung duy nhất.
🛠️ Áp dụng trong dự án thực tế
  • AWS dùng rộng rãi mô hình này cho dịch vụ của họ; cũng phổ biến ở SaaS lớn (Slack, các nền tảng thanh toán).
  • Cần khả năng di chuyển khách hàng giữa cell (cân bằng, cô lập khách lớn) và công cụ quan sát theo cell.
  • Chi phí: trùng lặp hạ tầng, truy vấn chéo cell khó (báo cáo toàn cục qua kho dữ liệu).
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Tính năng cần dữ liệu chéo cell (khách thuộc cell A chia sẻ tài liệu với khách ở cell B)?" → Hạn chế tối đa thiết kế như vậy; nếu cần, dùng dịch vụ toàn cục riêng có SLO cao hoặc sao chép dữ liệu chia sẻ, chấp nhận nó là điểm có bán kính ảnh hưởng lớn hơn.

🚩 Sai lầm khiến ứng viên mất điểm

Nhầm cell với microservice hoặc với replica.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 79●●●● Cực khó
Vì sao p99 latency quan trọng hơn trung bình ở quy mô lớn? Hedged request và 'coordinated omission' là gì?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Một trang gọi 50 backend song song sẽ chậm theo backend chậm nhất; nếu mỗi backend có p99 = 1s thì ~40% lượt tải trang gặp ít nhất một lần 1s (1 − 0.99⁵⁰ ≈ 0.39). Người dùng tích cực nhất (nhiều request nhất) gặp đuôi thường xuyên nhất. Hedged request: gửi request thứ hai tới replica khác nếu request đầu chưa trả lời sau ~p95, lấy kết quả nào về trước — giảm đuôi mạnh với chi phí tăng tải vài phần trăm. Coordinated omission: lỗi đo lường khi công cụ load test chờ response chậm rồi mới gửi tiếp, làm bỏ sót đúng những request lẽ ra phải chịu độ trễ cao → p99 báo cáo đẹp giả tạo.

📖 Giải thích lý thuyết
  • Nguồn tail latency: GC pause, hàng đợi, noisy neighbor, cache miss, compaction nền, retry, lock contention, mạng.
  • Trung bình che giấu phân bố hai đỉnh (bimodal); dùng histogram và nhiều phân vị (p50, p95, p99, p99.9).
  • Không lấy trung bình của các p99 (sai về toán) — tổng hợp histogram rồi mới tính phân vị.
  • Công cụ đo mô phỏng tốc độ đến cố định (open model: k6 constant-arrival-rate, wrk2) tránh coordinated omission.
🛠️ Áp dụng trong dự án thực tế
  • Đặt SLO theo phân vị (p99 < 300ms) chứ không theo trung bình.
  • Hedging chỉ cho thao tác đọc/idempotent; "tied request" huỷ bản còn lại khi một bản bắt đầu xử lý.
  • Giảm fan-out: gom dữ liệu, cache, hoặc chấp nhận trả kết quả thiếu khi một backend chậm (partial response).
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Dashboard nói p99 = 120ms nhưng người dùng than chậm." → Kiểm tra: đo ở đâu (server không tính thời gian chờ trong hàng đợi/load balancer, không tính mạng client), có tính request timeout/lỗi không, công cụ có coordinated omission không. Đo từ phía client (RUM) để thấy sự thật.

🚩 Sai lầm khiến ứng viên mất điểm

Báo cáo latency trung bình; lấy trung bình của p99.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 80●●●● Cực khó
Thiết kế hệ thống cho đợt mở bán vé concert: 2 triệu người truy cập cùng lúc cho 50.000 vé.
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Tách luồng: trang công khai qua CDN; hàng chờ ảo (virtual waiting room) ở biên nhận mọi người, cấp vị trí ngẫu nhiên/công bằng và chỉ cho N người/phút vào khu mua (token có chữ ký, hết hạn); khu mua được thiết kế cho đúng tốc độ đó. Giữ vé bằng reservation có thời hạn với cập nhật nguyên tử (Redis DECR hoặc DB có ràng buộc theo ghế), thanh toán bất đồng bộ qua hàng đợi, xác nhận theo webhook. Chống bot (CAPTCHA, giới hạn theo tài khoản/thiết bị), giới hạn số vé mỗi người, và chuẩn bị chế độ suy giảm.

📖 Giải thích lý thuyết
  • Queue-based load leveling: biến đỉnh 2 triệu request/phút thành dòng chảy đều mà backend chịu được.
  • Kho ghế: ghế có số → mỗi ghế một bản ghi với trạng thái + version (UPDATE có điều kiện); vé đứng → bộ đếm nguyên tử, có thể chia nhỏ (bucket) để giảm tranh chấp.
  • Reservation hết hạn (10 phút) trả ghế về kho bằng job hoặc TTL; xử lý đua giữa hết hạn và thanh toán thành công (trạng thái và version).
  • Pre-scale toàn bộ hạ tầng trước giờ mở bán; kiểm thử tải với kịch bản thật.
🛠️ Áp dụng trong dự án thực tế
  • Công bằng là yêu cầu sản phẩm: xếp ngẫu nhiên những người vào trước giờ mở thay vì ai F5 nhanh nhất.
  • Giao tiếp minh bạch trên UI: vị trí trong hàng, thời gian ước tính, không để người dùng refresh (làm mất chỗ).
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Bán quá số vé vì cache tồn kho trong Redis lệch với DB sau sự cố." → Nguồn sự thật cuối cùng phải có ràng buộc (ghế duy nhất trong DB); Redis chỉ là lớp lọc nhanh. Đối soát và hoàn tiền tự động cho phần bán vượt.

🚩 Sai lầm khiến ứng viên mất điểm

Chỉ nói 'autoscale'; không có hàng chờ và giữ chỗ.

  • Tôi trả lời được câu này mà không cần xem đáp án