100 câu phỏng vấn Fullstack
Trang chủ / Chủ đề 9
🚨 Chủ đề 9 / 10 ❓ Câu 81-90

Testing, DevOps & xử lý sự cố production

Chiến lược test, flaky test, CI/CD, Docker, chiến lược deploy, observability, xử lý sự cố lúc 2 giờ sáng, latency tăng đột ngột, load test, code review.

📌 Người phỏng vấn muốn kiểm tra điều gì

Đây là nhóm câu tách developer 'giao code' khỏi engineer 'chịu trách nhiệm kết quả'. Nhiều câu ở dạng tình huống: không có đáp án duy nhất, người phỏng vấn đánh giá quy trình suy nghĩ — bạn ưu tiên gì trước, thu thập dữ liệu thế nào, giao tiếp với ai, và rút ra bài học gì. Hãy trả lời có cấu trúc và kể câu chuyện thật nếu có.

📋 Danh sách câu hỏi

  1. 81Chiến lược test của bạn cho một tính năng fullstack là gì? Khi nào mock, khi nào dùng DB thật?●●○○ Trung bình
  2. 82Bộ E2E của team fail ngẫu nhiên 10% số lần chạy. Bạn xử lý flaky test thế nào?●●●○ Khó
  3. 83Thiết kế pipeline CI/CD cho một monorepo Next.js + NestJS. Trunk-based development và feature flag giúp gì?●●○○ Trung bình
  4. 84Viết Dockerfile production cho ứng dụng Node. Những điểm nào bạn chú ý?●●○○ Trung bình
  5. 85So sánh rolling, blue-green và canary deployment. Bạn rollback thế nào khi bản deploy có lỗi?●●●○ Khó
  6. 86Logs, metrics và traces khác nhau thế nào? Một request bị chậm trên production — bạn dùng chúng để tìm nguyên nhân ra sao?●●●○ Khó
  7. 872 giờ sáng bạn nhận alert: production không truy cập được. Bạn làm gì, theo thứ tự nào?●●●● Cực khó
  8. 88Từ hôm qua p95 latency của API tăng gấp 3 lần, không có lỗi nào. Bạn điều tra thế nào?●●●○ Khó
  9. 89Bạn làm load test và capacity planning thế nào trước một sự kiện dự kiến tăng 10 lần lưu lượng?●●●○ Khó
  10. 90Khi review code của đồng nghiệp, bạn tìm những gì? Bạn đưa nhận xét thế nào?●●○○ Trung bình
Mẹo: tự trả lời thành tiếng trước, rồi mới mở đáp án.
Câu 81●●○○ Trung bình
Chiến lược test của bạn cho một tính năng fullstack là gì? Khi nào mock, khi nào dùng DB thật?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Phân bổ theo 'testing trophy': static (TypeScript strict, ESLint) làm nền; unit test cho logic thuần (tính giá, phân quyền); integration test là phần lớn — API thật gọi DB thật (Testcontainers), component test với Testing Library + MSW; vài E2E Playwright cho luồng sống còn. Mock những gì nằm ngoài hệ thống của bạn (Stripe, email, API đối tác), không mock database hay code của chính mình.

📖 Giải thích lý thuyết
  • Test qua giao diện công khai (HTTP, DOM theo role) → refactor không làm vỡ test nếu hành vi không đổi.
  • Mock DB khiến test xanh trong khi query sai, ràng buộc/transaction không được kiểm tra — đúng những chỗ bug nghiêm trọng nằm.
  • Cô lập dữ liệu: mỗi test tạo tenant riêng bằng factory → chạy song song được; hoặc transaction rollback.
  • Coverage là chỉ báo, không phải mục tiêu; mutation testing đo chất lượng test tốt hơn.
🛠️ Áp dụng trong dự án thực tế
  • Ưu tiên test những chỗ có rủi ro cao: quyền truy cập (IDOR), tiền, race condition, migration dữ liệu, tích hợp thanh toán.
  • Mỗi bug production sửa xong phải có test tái hiện nó.
  • Pipeline: lint/typecheck → unit → integration (service container) → build → E2E trên preview; tổng < 10-15 phút để team không né CI.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Team không có test nào, deadline gấp. Bắt đầu từ đâu?" → Không đặt mục tiêu coverage. Viết vài E2E/integration cho 3-5 luồng kiếm tiền quan trọng nhất trước (smoke test chặn deploy), rồi thêm test cho mỗi bug và mỗi code mới chạm tới.

🚩 Sai lầm khiến ứng viên mất điểm

Nói 'tôi viết unit test cho mọi hàm, mock hết'; 100% coverage là mục tiêu.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 82●●●○ Khó
Bộ E2E của team fail ngẫu nhiên 10% số lần chạy. Bạn xử lý flaky test thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Flaky test nguy hiểm vì dạy team phớt lờ CI đỏ. Quy trình: đo (theo dõi test nào flaky, tỷ lệ bao nhiêu) → cách ly ngay (đánh dấu quarantine, không chặn merge nhưng vẫn chạy) → tìm nguyên nhân gốc bằng trace/video/log → sửa → chạy lặp nhiều lần để xác nhận. Nguyên nhân thường gặp: chờ bằng sleep cố định, phụ thuộc thứ tự/dữ liệu chung giữa test, race condition thật trong app, phụ thuộc mạng/thời gian/ngẫu nhiên.

📖 Giải thích lý thuyết
Nguyên nhânSửa
waitForTimeout(2000)Chờ điều kiện cụ thể: web-first assertion, chờ response API
Test dùng chung tài khoản/dữ liệuMỗi test tạo dữ liệu riêng qua API
Selector theo CSS/vị tríLocator theo role/label/test id
Thời gian, timezone, ngẫu nhiênCố định đồng hồ (fake timers, page.clock), seed
Bug thật (double submit, race)Sửa app — flaky test đôi khi là test duy nhất bắt được bug concurrency
Phụ thuộc dịch vụ ngoàiMock ở tầng mạng hoặc sandbox ổn định
🛠️ Áp dụng trong dự án thực tế
  • Retry tự động (retries: 2 trên CI) chỉ là cách giảm nhiễu tạm thời và phải báo cáo test "flaky" — không được che giấu.
  • Test mới phải chạy --repeat-each=20 không fail trước khi merge.
  • Có người chịu trách nhiệm (owner) cho mỗi test bị quarantine và hạn sửa.
🎭 Tình huống & câu hỏi nối tiếp

Câu chuyện mẫu: "Test checkout fail 8%: trace cho thấy nút Thanh toán được bấm trước khi giá sau giảm giá cập nhật, gửi tổng tiền cũ. Đó là bug thật — người dùng bấm nhanh cũng gặp. Sửa bằng disable nút khi đang tính lại giá, test về 0% fail qua 200 lần chạy."

🚩 Sai lầm khiến ứng viên mất điểm

Tăng timeout/retry rồi coi như xong; xoá test.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 83●●○○ Trung bình
Thiết kế pipeline CI/CD cho một monorepo Next.js + NestJS. Trunk-based development và feature flag giúp gì?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Mỗi PR: cài đặt có cache → lint, typecheck, test chỉ cho phần bị ảnh hưởng (Turborepo/Nx) → build → deploy preview environment → E2E smoke trên preview → review. Merge vào main: build image một lần, chạy migration tương thích ngược, deploy staging → production (tự động hoặc phê duyệt), smoke test, theo dõi và rollback nhanh. Trunk-based (nhánh ngắn, merge hằng ngày) + feature flag tách việc deploy code khỏi việc release tính năng.

📖 Giải thích lý thuyết
  • Build once, deploy many: cùng một artifact/image đi qua mọi môi trường, chỉ khác cấu hình.
  • Nhánh tính năng sống 3 tuần → merge conflict lớn, tích hợp muộn. Trunk-based + flag: code chưa xong vẫn merge được (ẩn sau flag), bật dần cho nội bộ → 5% → 100%.
  • Bảo vệ nhánh main: CI xanh bắt buộc, review bắt buộc, không push trực tiếp.
  • Bảo mật pipeline: OIDC thay vì secret dài hạn, quyền tối thiểu, pin version action, không chạy secret cho PR từ fork.
🛠️ Áp dụng trong dự án thực tế
  • Chỉ số DORA đo hiệu quả: tần suất deploy, lead time, tỷ lệ thay đổi gây lỗi, thời gian khôi phục.
  • Flag cần được dọn dẹp — flag cũ là nợ kỹ thuật; đặt ngày hết hạn và owner.
  • Preview environment cần dữ liệu seed và DB riêng (DB branching như Neon) để reviewer/PM thử được.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "CI mất 40 phút, dev bắt đầu gộp nhiều thay đổi vào một PR." → Đo từng bước, cache dependency và build (remote cache), chỉ chạy phần bị ảnh hưởng, chạy song song/sharding test, đưa test chậm sang chạy định kỳ nếu rủi ro thấp.

🚩 Sai lầm khiến ứng viên mất điểm

Build lại image riêng cho từng môi trường; deploy thủ công bằng SSH.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 84●●○○ Trung bình
Viết Dockerfile production cho ứng dụng Node. Những điểm nào bạn chú ý?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Multi-stage (stage build có devDependencies, stage runtime chỉ có output và production deps), base image nhỏ và cố định phiên bản, thứ tự layer tận dụng cache (copy lockfile → install → copy source), .dockerignore, chạy bằng user không phải root, NODE_ENV=production, Node là PID 1 nhận SIGTERM (exec form CMD ["node", ...]), healthcheck, không đưa secret vào image.

📖 Giải thích lý thuyết
FROM node:24-alpine AS deps
WORKDIR /app
COPY package.json pnpm-lock.yaml ./
RUN corepack enable && pnpm install --frozen-lockfile

FROM deps AS build
COPY . .
RUN pnpm build && pnpm prune --prod

FROM node:24-alpine
ENV NODE_ENV=production
WORKDIR /app
COPY --from=build --chown=node:node /app/node_modules ./node_modules
COPY --from=build --chown=node:node /app/dist ./dist
USER node
EXPOSE 3000
CMD ["node", "dist/main.js"]
  • Secret lúc build (token npm private): dùng RUN --mount=type=secret, không ARG/ENV (lưu lại trong lịch sử layer).
  • Alpine dùng musl — một số native module cần build lại; distroless/slim là lựa chọn khác.
🛠️ Áp dụng trong dự án thực tế
  • Quét lỗ hổng image (Trivy, Docker Scout) trong CI; cập nhật base image định kỳ.
  • Đặt memory limit cho container và --max-old-space-size tương ứng.
  • Log ra stdout/stderr dạng JSON, không ghi file trong container.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Image 1.4GB và build 8 phút mỗi lần đổi một dòng code." → Không multi-stage và copy source trước khi install nên cache dependency luôn bị vô hiệu. Sửa thứ tự layer, multi-stage, .dockerignore → image ~200MB, build lại vài chục giây.

🚩 Sai lầm khiến ứng viên mất điểm

CMD npm start; chạy bằng root; COPY . . trước khi install.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 85●●●○ Khó
So sánh rolling, blue-green và canary deployment. Bạn rollback thế nào khi bản deploy có lỗi?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Rolling: thay dần instance cũ bằng mới — mặc định của Kubernetes, rẻ, nhưng hai phiên bản chạy song song một lúc. Blue-green: dựng toàn bộ môi trường mới rồi chuyển traffic một lần — rollback tức thì bằng chuyển lại, tốn gấp đôi tài nguyên. Canary: đưa 1-5% traffic sang bản mới, so sánh chỉ số lỗi/latency, tăng dần — an toàn nhất cho hệ thống lớn. Rollback: deploy lại image trước (nhanh vì đã có sẵn), hoặc tắt feature flag; migration DB phải tương thích ngược để rollback code không vỡ.

📖 Giải thích lý thuyết
  • Mọi chiến lược đều yêu cầu: readiness probe đúng, graceful shutdown, API và schema DB tương thích giữa phiên bản cũ và mới.
  • Canary tự động: so sánh error rate/p95 của canary với bản ổn định, tự rollback khi vượt ngưỡng (Argo Rollouts, Flagger, các nền tảng deploy).
  • Feature flag là "canary ở tầng tính năng": rollback không cần deploy.
🛠️ Áp dụng trong dự án thực tế
  • Rollback phải được luyện tập và có một lệnh/nút bấm; thời gian rollback là một chỉ số cần đo.
  • Không deploy vào chiều thứ Sáu là văn hoá của hệ thống thiếu tự tin — mục tiêu là deploy nhỏ, thường xuyên, rollback dễ.
  • Thay đổi dữ liệu không đảo ngược được (xoá cột, migrate dữ liệu) tách riêng, có backup và kế hoạch khôi phục.
🎭 Tình huống & câu hỏi nối tiếp

Tình huống: "Sau deploy, lỗi 5xx tăng từ 0.1% lên 4%." → Rollback ngay (khôi phục dịch vụ trước, tìm nguyên nhân sau), thông báo kênh sự cố, sau đó so sánh diff, log và trace của bản lỗi ở môi trường staging, thêm test/alert để lần sau canary tự bắt.

🚩 Sai lầm khiến ứng viên mất điểm

Cố sửa nóng trên production trong khi người dùng đang lỗi; migration không tương thích ngược.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 86●●●○ Khó
Logs, metrics và traces khác nhau thế nào? Một request bị chậm trên production — bạn dùng chúng để tìm nguyên nhân ra sao?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Metrics: số liệu tổng hợp theo thời gian (RPS, error rate, p95 latency, CPU) — trả lời 'có vấn đề không, từ khi nào'. Traces: hành trình một request qua các service với thời gian từng bước (span) — trả lời 'chậm ở đâu'. Logs: sự kiện chi tiết có ngữ cảnh — trả lời 'chính xác chuyện gì đã xảy ra'. Quy trình: dashboard metrics phát hiện → lọc trace chậm của endpoint đó → tìm span chiếm thời gian (query DB, gọi API ngoài) → xem log của trace đó (nối bằng trace_id).

📖 Giải thích lý thuyết
  • OpenTelemetry là chuẩn chung: auto-instrumentation cho HTTP, Express/NestJS, pg, Redis; xuất tới Grafana Tempo/Jaeger/Datadog/Honeycomb.
  • Log có cấu trúc (JSON) với trace_id, request_id, user_id, org_id; mức log phù hợp; che dữ liệu nhạy cảm.
  • Phương pháp RED cho service (Rate, Errors, Duration) và USE cho tài nguyên (Utilization, Saturation, Errors).
  • Cardinality: không đặt userId làm label của metric (bùng nổ chuỗi thời gian) — đặt trong trace/log.
🛠️ Áp dụng trong dự án thực tế
  • Alert theo triệu chứng người dùng thấy (SLO: error rate, latency) thay vì nguyên nhân (CPU 80%).
  • Error tracking (Sentry) cho cả frontend và backend, gắn release để biết lỗi mới đến từ bản deploy nào.
  • Đặt trace_id vào header response để hỗ trợ khách hàng tra cứu.
🎭 Tình huống & câu hỏi nối tiếp

Câu chuyện mẫu: "p95 của /checkout tăng từ 300ms lên 2.1s. Trace cho thấy span gọi dịch vụ tính thuế chiếm 1.8s, chỉ với khách ở một quốc gia. Log cho thấy đối tác đổi endpoint vùng. Thêm timeout + cache tỷ lệ thuế 1 giờ, p95 về 280ms; thêm alert latency theo phụ thuộc."

🚩 Sai lầm khiến ứng viên mất điểm

Chỉ dựa vào console.log; không có cách nối log với request cụ thể.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 87●●●● Cực khó
2 giờ sáng bạn nhận alert: production không truy cập được. Bạn làm gì, theo thứ tự nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Ưu tiên khôi phục dịch vụ, không phải tìm thủ phạm. (1) Xác nhận sự cố và mức ảnh hưởng (mọi người dùng? một vùng? một tính năng?); (2) tuyên bố sự cố, mở kênh, nhận vai trò (incident commander), gọi thêm người nếu cần; (3) kiểm tra thay đổi gần nhất (deploy, cấu hình, migration, hạ tầng) — rollback nếu nghi ngờ; (4) xem dashboard/trace/log để khoanh vùng (DB, phụ thuộc ngoài, hết tài nguyên, chứng chỉ, DNS); (5) áp dụng biện pháp giảm thiểu; (6) cập nhật trạng thái cho stakeholder/khách theo chu kỳ; (7) sau khi ổn định: postmortem không đổ lỗi với hành động cụ thể.

📖 Giải thích lý thuyết
  • Các biện pháp giảm thiểu nhanh: rollback, tắt feature flag, scale thêm, failover DB, bật chế độ chỉ đọc/bảo trì, chặn traffic bất thường, tắt tính năng phụ (graceful degradation).
  • Nguyên nhân phổ biến khi "sập toàn bộ": deploy lỗi, DB hết kết nối/đĩa đầy, chứng chỉ TLS hết hạn, DNS, sự cố nhà cung cấp cloud, phụ thuộc không có timeout kéo sập dây chuyền, migration khoá bảng.
  • Ghi lại dòng thời gian (timeline) trong kênh sự cố khi đang xử lý — dùng cho postmortem.
🛠️ Áp dụng trong dự án thực tế
  • Postmortem: tác động (bao nhiêu người, bao lâu, thiệt hại), dòng thời gian, nguyên nhân gốc (5 Whys), điều gì giúp/cản trở, hành động có owner và hạn (alert sớm hơn, runbook, test, kiến trúc).
  • Runbook cho sự cố thường gặp; status page cho khách hàng; diễn tập (game day).
  • Không đổ lỗi cá nhân: hệ thống cho phép một người làm sập production là lỗi của hệ thống.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Rollback rồi mà vẫn lỗi?" → Nguyên nhân không phải code mới: kiểm tra phụ thuộc (DB, Redis, đối tác), tài nguyên (đĩa, kết nối, quota), thay đổi bên ngoài (chứng chỉ, DNS, cấu hình cloud), lưu lượng bất thường (tấn công, job chạy sai).

🚩 Sai lầm khiến ứng viên mất điểm

Lao vào debug code ngay; im lặng không cập nhật cho ai; tìm người để đổ lỗi.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 88●●●○ Khó
Từ hôm qua p95 latency của API tăng gấp 3 lần, không có lỗi nào. Bạn điều tra thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Khoanh vùng từ rộng đến hẹp: thời điểm bắt đầu khớp với thay đổi nào (deploy, cấu hình, lưu lượng, dữ liệu)? Chậm ở mọi endpoint hay một vài? Mọi khách hay một tenant? Sau đó dùng trace tìm span chậm, kiểm tra tài nguyên (CPU, event loop lag, GC, connection pool chờ, DB CPU/lock/slow query, cache hit rate giảm), phụ thuộc ngoài. Đưa ra giả thuyết, kiểm chứng, sửa, và thêm alert.

📖 Giải thích lý thuyết
Quan sátGiả thuyết
Mọi endpoint cùng chậmEvent loop bị chặn, CPU/GC, connection pool cạn, DB quá tải, mạng
Một endpoint chậmQuery mới/thiếu index, dữ liệu tăng (N+1 lộ ra), phụ thuộc ngoài
Một tenant chậmTenant lớn (dữ liệu gấp 100 lần), plan query khác do phân phối dữ liệu
Khớp giờ deployCode mới — so sánh trace trước/sau, cân nhắc rollback
Khớp giờ cao điểmThiếu năng lực — autoscale, cache
Cache hit rate giảmKey đổi, Redis bị flush/eviction
🛠️ Áp dụng trong dự án thực tế
  • Xem phân bố (histogram) chứ không chỉ trung bình — p50 không đổi mà p99 tăng thường là tranh chấp tài nguyên hoặc một nhóm request đặc biệt.
  • Kiểm tra cả thời gian chờ (chờ pool, chờ lock, chờ queue) — CPU thấp mà vẫn chậm thường là đang chờ.
  • Ghi lại kết quả điều tra kể cả khi không tìm ra — lần sau nhanh hơn.
🎭 Tình huống & câu hỏi nối tiếp

Câu chuyện mẫu: "Latency tăng sau khi một khách hàng enterprise import 2 triệu task. Query danh sách dùng index không còn phù hợp với phân phối dữ liệu mới, planner chuyển sang seq scan. Thêm composite index theo (org_id, status, updated_at) và chạy ANALYZE — về bình thường; thêm alert cho slow query theo tenant."

🚩 Sai lầm khiến ứng viên mất điểm

Tăng cấu hình server ngay mà không biết nguyên nhân.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 89●●●○ Khó
Bạn làm load test và capacity planning thế nào trước một sự kiện dự kiến tăng 10 lần lưu lượng?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Xác định mục tiêu (RPS đỉnh, p95 chấp nhận được, error rate) từ dữ liệu thật và dự báo kinh doanh → mô phỏng hành vi người dùng thực tế (tỷ lệ endpoint, dữ liệu, think time) bằng k6/Artillery trên môi trường giống production → tăng tải dần để tìm điểm nghẽn đầu tiên (thường là DB, connection pool, phụ thuộc ngoài) → sửa và lặp lại → lên kế hoạch dư 30-50% năng lực, autoscale, cache, rate limit, chế độ giảm tải, và kịch bản ứng phó.

📖 Giải thích lý thuyết
  • Các loại test: load (tải mục tiêu), stress (vượt mức để biết hệ thống hỏng thế nào), spike (tăng đột ngột), soak (tải trung bình kéo dài nhiều giờ — phát hiện memory leak).
  • Định luật Little: số request đồng thời = throughput × latency — dùng để ước lượng kết nối, worker, pool cần thiết.
  • Autoscale cần thời gian khởi động (vài phút) — với spike dự đoán được thì scale trước (pre-warm).
// k6
export const options = {
  stages: [{ duration: '5m', target: 200 }, { duration: '10m', target: 2000 }, { duration: '5m', target: 0 }],
  thresholds: { http_req_duration: ['p(95)<400'], http_req_failed: ['rate<0.01'] },
};
🛠️ Áp dụng trong dự án thực tế
  • Báo trước cho nhà cung cấp/đối tác (Stripe, email, cloud quota), kiểm tra giới hạn của họ.
  • Kế hoạch giảm tải: hàng chờ ảo, tắt tính năng phụ (gợi ý, thống kê realtime), trang static cho phần công khai.
  • Đặt người trực và dashboard riêng cho sự kiện.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Load test cho kết quả tốt nhưng ngày sự kiện vẫn sập." → Kịch bản test không giống thực tế: dữ liệu test nhỏ (cache luôn hit), thiếu endpoint nóng thật, không tính tới bot, phụ thuộc ngoài bị mock. Rút kinh nghiệm: test với dữ liệu và tỷ lệ request lấy từ log production.

🚩 Sai lầm khiến ứng viên mất điểm

Load test một endpoint GET đơn lẻ từ laptop; không có tiêu chí đạt/không đạt.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 90●●○○ Trung bình
Khi review code của đồng nghiệp, bạn tìm những gì? Bạn đưa nhận xét thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Theo thứ tự ưu tiên: đúng đắn (logic, edge case, race condition, xử lý lỗi), bảo mật (quyền, validate, dữ liệu nhạy cảm), thiết kế (ranh giới module, có phù hợp kiến trúc không, có đơn giản hơn được không), khả năng vận hành (log, metric, migration an toàn, hiệu năng, N+1), test (có test hành vi quan trọng không), cuối cùng mới tới dễ đọc (tên, cấu trúc). Phong cách, format để tool tự động lo. Nhận xét cụ thể, giải thích lý do, phân biệt bắt buộc và gợi ý, hỏi thay vì ra lệnh, khen điểm tốt.

📖 Giải thích lý thuyết
  • Đánh dấu mức độ: blocking:, suggestion:, nit:, question: để tác giả biết cần làm gì.
  • PR nhỏ (< 400 dòng) được review kỹ hơn nhiều; PR lớn thì nhờ tác giả chia nhỏ hoặc review thiết kế trước.
  • Review không chỉ tìm lỗi mà còn chia sẻ kiến thức — đọc PR của người khác là cách học codebase nhanh nhất.
❌ "Sai rồi, dùng transaction đi."
✅ "blocking: hai request claim cùng lúc có thể cùng đọc assignee = null và cùng ghi.
   Mình nghĩ nên dùng UPDATE ... WHERE assignee_id IS NULL RETURNING để nguyên tử.
   Bạn có muốn mình viết test tái hiện không?"
🛠️ Áp dụng trong dự án thực tế
  • Phản hồi trong vòng một ngày làm việc — review chậm làm cả team chậm.
  • Bất đồng kéo dài trong comment → chuyển sang gọi 10 phút; quyết định xong ghi lại kết luận.
  • Khi là tác giả: mô tả PR rõ (vấn đề, cách giải, cách test, ảnh chụp), tự review trước khi gửi.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Một senior khác liên tục để lại nhận xét gay gắt cho junior." → Nói chuyện riêng với người đó về tác động, đề xuất quy ước review chung của team (mức độ nhận xét, giọng điệu), làm gương bằng cách review của chính mình.

🚩 Sai lầm khiến ứng viên mất điểm

Chỉ soi format/tên biến; approve mà không đọc; nhận xét mang tính cá nhân.

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