Fullstack Node.js & React
Trang chủ / Module 17
🏗️ Module 17 / 19 · 5 ngày 📅 Tuần 12 ●●●● Cực khó

System design cho fullstack: scale, monorepo, kiến trúc & tính năng AI

Tư duy thiết kế hệ thống ở cấp senior: từ 1 đến 1 triệu người dùng, monolith module hoá vs microservices, event-driven, monorepo Turborepo/Nx, multi-tenant SaaS, tích hợp tính năng AI (LLM, streaming, RAG), và khung trả lời phỏng vấn system design.

System designScalabilityMonorepoEvent-drivenMicroservicesAI features
📌 Vì sao module này quan trọng

Vòng system design là vòng quyết định level và mức lương: cùng một ứng viên, trả lời tốt vòng này có thể được offer senior thay vì mid. Nó không kiểm tra bạn thuộc bao nhiêu công nghệ, mà kiểm tra khả năng làm rõ yêu cầu, ước lượng, chọn đánh đổi và giải thích. Năm 2026, gần như mọi sản phẩm đều có tính năng AI, nên fullstack dev cũng được kỳ vọng tích hợp LLM một cách có trách nhiệm (chi phí, độ trễ, an toàn).

🎯 Mục tiêu học tập

  • Áp dụng khung 5 bước cho bài phỏng vấn system design
  • Ước lượng tải, lưu trữ, băng thông; chọn cách scale từng tầng
  • So sánh monolith module hoá, microservices, serverless; biết khi nào tách service
  • Tổ chức monorepo pnpm + Turborepo với package dùng chung
  • Thiết kế multi-tenant SaaS và tích hợp tính năng AI (streaming, RAG, chi phí, an toàn)

Khung trả lời system design (45 phút)

  1. Làm rõ yêu cầu (5'): chức năng chính, ai dùng, quy mô (DAU, đọc/ghi), yêu cầu phi chức năng (độ trễ, nhất quán, sẵn sàng).
  2. Ước lượng (5'): 1M DAU × 20 request/ngày ≈ 230 req/s trung bình, đỉnh ×3-5 ≈ 1000 req/s. Lưu trữ = số bản ghi × kích thước × thời gian.
  3. API & mô hình dữ liệu (10'): endpoint chính, bảng/collection, khoá, index.
  4. Kiến trúc tổng thể (10'): client → CDN → load balancer → API → cache → DB, queue, worker, object storage.
  5. Đào sâu & đánh đổi (15'): điểm nghẽn, scale đọc/ghi, lỗi một phần, nhất quán, giám sát. Luôn nói "lựa chọn A vì…, đánh đổi là…".

Đề hay gặp cho fullstack: URL shortener, news feed, chat/notification, ứng dụng cộng tác (Notion/Trello), hệ thống đặt chỗ (chống đặt trùng), upload & xử lý video, rate limiter, autocomplete tìm kiếm.

Scale từng tầng: từ 1 đến 1 triệu người dùng

Giai đoạnKiến trúcĐiểm nghẽn tiếp theo
0 → 10k1 monolith + 1 Postgres + Redis, deploy PaaSQuery chậm → index, cache
10k → 100kNhiều instance API stateless sau load balancer, CDN, queue + worker, read replicaKết nối DB → PgBouncer; việc nặng → worker
100k → 1M+Tách service theo domain có lý do, cache nhiều tầng, search engine riêng, partition dữ liệu lớn, multi-region cho đọcNhất quán dữ liệu giữa service, độ phức tạp vận hành
  • API stateless (session ở Redis/DB, file ở S3) là điều kiện để scale ngang.
  • Định lý CAP và PACELC ở mức giải thích được; eventual consistency và cách UI xử lý (optimistic UI, "đang đồng bộ").
  • Search: Postgres full-text trước, Meilisearch/Typesense/Elasticsearch khi cần.

Monolith, microservices và event-driven

Modular monolithMicroservices
DeployMột artifactMỗi service riêng
Giao dịchTransaction DB thườngSaga, outbox, eventual consistency
Phù hợpĐa số sản phẩm, team < 30 ngườiNhiều team cần deploy độc lập, phần cần scale/công nghệ khác hẳn

Lộ trình hợp lý: modular monolith với ranh giới module rõ (mỗi module có API công khai, không truy cập bảng của module khác) → khi có lý do cụ thể, tách module đó ra service. Giao tiếp: đồng bộ (HTTP/gRPC) cho truy vấn cần trả lời ngay; bất đồng bộ (event qua queue/Kafka/NATS) cho phản ứng với thay đổi.

Monorepo pnpm + Turborepo

repo/
├── apps/
│   ├── web/           # Next.js
│   ├── api/           # NestJS
│   └── worker/        # BullMQ workers
├── packages/
│   ├── contracts/     # Zod schema + type dùng chung (API ↔ web)
│   ├── db/            # Prisma/Drizzle schema, client, migrations
│   ├── ui/            # design system
│   └── config/        # eslint, tsconfig, tailwind preset dùng chung
├── turbo.json         # pipeline + cache: build phụ thuộc ^build, test phụ thuộc build
└── pnpm-workspace.yaml

Lợi ích: một PR sửa cả API lẫn UI, type xuyên suốt, cache build (chỉ build lại phần đổi). Quy tắc phụ thuộc: apps phụ thuộc packages, không bao giờ ngược lại; lint chặn import chéo giữa apps.

Multi-tenant SaaS

Mô hìnhƯuNhược
Chung bảng, cột org_id (+ RLS)Rẻ, dễ vận hành — mặc định nên chọnPhải kỷ luật lọc tenant; "hàng xóm ồn ào"
Schema riêng mỗi tenantCô lập tốt hơnMigration nhân N lần
DB riêng mỗi tenantCô lập tối đa, hợp khách enterpriseĐắt, vận hành phức tạp

Thành phần SaaS điển hình: organization + membership + vai trò, mời thành viên, gói và giới hạn theo gói (entitlements), billing qua webhook, audit log, feature flag, xoá/xuất dữ liệu (GDPR).

Tích hợp tính năng AI có trách nhiệm

// Route handler stream câu trả lời LLM về client (SSE)
export async function POST(req: Request) {
  const user = await requireUser();
  await assertQuota(user.orgId, 'ai');                    // giới hạn theo gói — chi phí là thật
  const { question, projectId } = AskSchema.parse(await req.json());
  const context = await searchTasks(projectId, question, user);   // RAG: chỉ lấy dữ liệu user có quyền xem
  const stream = await llm.stream({
    system: 'Chỉ trả lời dựa trên ngữ cảnh. Nếu không có thông tin, nói không biết.',
    messages: [{ role: 'user', content: buildPrompt(question, context) }],
  });
  return new Response(toSSE(stream), { headers: { 'Content-Type': 'text/event-stream' } });
}
  • Dùng SDK của nhà cung cấp hoặc lớp trừu tượng (Vercel AI SDK) để stream, gọi tool, structured output (validate bằng Zod).
  • RAG cơ bản: embedding + pgvector trong chính Postgres — không cần thêm vector DB cho quy mô vừa.
  • Rủi ro cần xử lý: prompt injection từ dữ liệu người dùng, rò dữ liệu giữa tenant qua ngữ cảnh, chi phí (cache, giới hạn token, quota), độ trễ (stream, model nhỏ cho việc đơn giản), đánh giá chất lượng bằng bộ câu hỏi mẫu.
  • Khoá AI Engineer và AI Agents trong cùng lộ trình đi sâu phần này.

🏋️ Bài tập thực hành

Thiết kế 4 hệ thống và chuyển capstone sang monorepo

(1) Chuyển capstone sang monorepo pnpm + Turborepo với packages contracts/db/ui/config. (2) Với mỗi đề: Trello realtime, hệ thống đặt phòng chống đặt trùng, notification đa kênh, upload & xử lý video — viết tài liệu thiết kế 2 trang (yêu cầu, ước lượng, API, dữ liệu, sơ đồ, đánh đổi) và tự trình bày 30 phút có bấm giờ, ghi âm lại để nghe. (3) Thêm tính năng "Hỏi AI về project" vào capstone: RAG trên task bằng pgvector, stream câu trả lời, quota theo gói, lọc theo quyền, có 10 câu hỏi mẫu để kiểm tra chất lượng.

📚 Tài nguyên học tập

✅ Tự đánh giá hoàn thành

  • Trình bày được một bài system design 45 phút theo khung 5 bước
  • Giải thích được cách scale từng tầng và đánh đổi
  • Capstone chạy trong monorepo với package contracts dùng chung
  • Có tính năng AI có quota, lọc quyền và stream