Nhập môn SQL dành cho người không chuyên, có thể áp dụng ngay — học SELECT, JOIN, GROUP BY với DBA đang hành nghề và MySQL

Tôi học tuning thực hành SQLP bằng cách tái hiện nguyên vẹn các kế hoạch thực thi trong bài giảng trên Oracle 26ai Free ở PC của mình. Tôi đánh giá 30 câu hỏi thực hành do chính mình biên soạn dựa trên số liệu đo thực tế (số block đã đọc, số lần thực thi), rồi thử viết cả đáp án.

Sau khi học tối ưu hóa SQL, hãy tự động hóa các công việc xử lý tối ưu hóa lặp đi lặp lại. Đây là một dự án thực tiễn kết nối mọi quy trình, từ thu thập truy vấn MySQL, chẩn đoán bằng AI, xác minh bằng đo lường thực tế, bàn giao cho người phụ trách đến theo dõi tái diễn.

Trước một sự kiện quy mô lớn, DB cần chuẩn bị những gì và ngay khi mở cửa cần kiểm tra điều gì trước tiên? Hãy luyện tập trình tự ứng phó trước, trong và sau sự kiện qua các bản ghi thực tế trong môi trường Aurora dùng cho đào tạo về CPU của Reader tăng đột biến, chờ khóa, deadlock và chuyển đổi dự phòng, cùng các câu lệnh SQL chẩn đoán.

Khắc phục các API sản phẩm và sự kiện bị quá tải khi mở bán bằng L1 cục bộ + L2 từ xa + chống cache stampede + cơ chế vô hiệu hóa + kill switch, rồi chứng minh bằng số liệu trước và sau mức giảm băng thông, độ trễ và tải DB dưới cùng một mức tải.

Trước một sự kiện quy mô lớn, PostgreSQL cần chuẩn bị những gì và ngay khi mở bán cần kiểm tra điều gì trước tiên? Luyện tập trình tự ứng phó trước, trong và sau sự kiện qua các ghi chép thí nghiệm trực tiếp trên Aurora PostgreSQL dùng cho đào tạo về tình trạng chờ khóa, deadlock, VACUUM bị trì hoãn, chuyển đổi dự phòng và CPU của Reader tăng vọt, cùng các câu lệnh SQL chẩn đoán và playbook cho 7 loại sự kiện.

Bạn có đang tin ngay lời “xong rồi” của AI không? Bắt đầu từ tình huống báo cáo hoàn tất là sai dù cả 28 bài kiểm thử đều xanh, hãy xây dựng một cổng QA kết hợp đường cơ sở, so sánh hồi quy, phát hiện thao túng kiểm thử, đối chiếu báo cáo và kiểm thử ẩn, rồi dùng hook dừng để Claude Code không thể kết thúc trước khi vượt qua cổng.

Nội dung đề cập đến các kỹ thuật nâng cao mà lập trình viên 19c sử dụng trong các dịch vụ đang vận hành. Bạn sẽ thực hành xử lý PL/SQL khối lượng lớn, thay đổi không gián đoạn khi dịch vụ đang chạy, tìm nguyên nhân sự cố và khôi phục dữ liệu bị thao tác nhầm. Đồng thời, bạn sẽ so sánh cách thực hiện những việc tương tự an toàn và nhanh hơn trên 26ai. Bạn sẽ trực tiếp chạy mọi lệnh với Oracle bản miễn phí (26ai) được khởi chạy bằng Docker và dữ liệu của một cửa hàng trực tuyến ảo.

Chúng ta sẽ triển khai trọn vẹn một batch quyết toán hàng tháng của người bán trên sàn thương mại điện tử giả lập. Dựa trên kiến thức cơ bản về Pro*C, chúng ta sẽ đọc mã nguồn, sửa bốn lỗi tiềm ẩn bằng các bản vá tối thiểu, giảm số lượt truy cập DB từ 265,893 xuống còn 359 nhờ xử lý mảng, rồi chuyển sang ECPG và JDBC để chứng minh rằng kết quả của cả ba không khác nhau dù chỉ một dòng. Tất cả lệnh đều được chạy trực tiếp trên Oracle Database Free và PostgreSQL trong Docker.

Chạy trực tiếp bốn phương án của câu hỏi SQLD trên Oracle và chọn đáp án đúng dựa vào kết quả. Tổng hợp các bẫy về NULL, hàm tổng hợp, JOIN, xếp hạng, ROWNUM và truy vấn phân cấp trong 52 bài giảng, 6 giờ.

Nếu bạn từng xây dựng dịch vụ bằng MySQL, hãy chạy song song cùng một câu lệnh SQL trên MySQL 8.4 và PostgreSQL 17 để trực tiếp kiểm chứng 40 điểm khác biệt qua các câu lệnh thực tế: UPDATE khiến bảng phình to gấp 4 lần, mức cô lập mặc định khác nhau, lỗi tuần tự hóa 40001, khóa không có khóa khoảng, kế hoạch thực thi được đọc dưới dạng cây, cùng các chỉ mục một phần/GIN/BRIN.

Từ khâu đăng ký đến email, biên bản họp, báo cáo, PDF, Excel và tài liệu thuyết trình, bạn sẽ lần lượt thực hành qua tài liệu mô phỏng tại một công ty giả định, học cách giao việc cho Claude rồi đối chiếu kết quả với bản gốc để yên tâm sử dụng.

Đã học cách dùng Claude Code rồi, nhưng áp dụng thế nào vào hệ thống legacy của chúng ta? Chúng ta sẽ dùng Claude Code để bổ sung lớp bảo vệ cho dịch vụ đặt hàng Spring Boot chưa có bài kiểm thử nào, tìm ra 5 lỗi ẩn và kiểm chứng các bài kiểm thử do AI viết bằng kiểm thử đột biến.

6 lỗi đều vượt qua kiểm thử H2 và mock nhưng chỉ phát sinh trên MySQL, Redis và Kafka production sẽ được tái hiện và xử lý từng lỗi một bằng kiểm thử tích hợp Testcontainers. Bao gồm singleton/tái sử dụng container, CI và chẩn đoán lỗi flaky.

Sau phần nhập môn Kubernetes, khi dịch vụ của tôi gặp sự cố. Chỉ dựa vào các triệu chứng như khởi động lại, chạy chậm, lỗi 502 hay triển khai bị treo, dùng kubectl và các chỉ số để xác định nguyên nhân rồi khắc phục. Trên Kubernetes cục bộ ở máy tính xách tay, tự tạo ra 8 sự cố, sau đó đo và so sánh các chỉ số trước và sau khi sửa với cùng một mức tải.

Đã học các nguyên tắc thiết kế DB, nhưng phải tạo bảng cho đơn hàng, hoàn tiền và quyết toán như thế nào? Chúng ta sẽ điều chỉnh lược đồ qua 41 bước để một đơn hàng đi xuyên suốt từ thanh toán, hủy một phần, trả hàng, hoàn tiền đến quyết toán, lần lượt đáp ứng 38 yêu cầu.

Chúng tôi thay thế các API cấp coupon và đăng ký sản phẩm đồng bộ vốn bị sập khi lượng truy cập tăng đột biến lúc mở bán bằng queue, outbox, consumer idempotent, DLQ và Temporal; đồng thời tự tái hiện trên Docker ở máy tính của mình các số liệu trước và sau khi thay đổi (độ trễ, tỷ lệ lỗi, số lần commit DB) với cùng mức tải.

Trong các microservice nối tiếp từ API đặt hàng → thanh toán → tồn kho → Kafka → consumer → batch, chúng ta trực tiếp tái hiện các vấn đề như trace bị đứt đoạn, phình to thành hàng nghìn span rồi âm thầm bị loại bỏ, hoặc biến mất khỏi dashboard; sau đó khắc phục theo trình tự triệu chứng → xác định nguyên nhân → xử lý, để hoàn thiện trace liền mạch từ đầu đến cuối cùng dashboard.

Mỗi sáng, tôi trực tiếp xây dựng trên Docker trên laptop của mình một tác nhân DBA có thể đo đạc MySQL·PostgreSQL, lập bảng chẩn đoán xếp hạng bằng các ký tự A·B·C·N, dùng EXPLAIN để chẩn đoán các truy vấn có vấn đề rồi soạn bản nháp yêu cầu cải thiện, đồng thời xem xét kế hoạch tăng·giảm số lượng kết nối và Reader trước đợt sale cùng chi phí.

[Mục tiêu cuối cùng] Tự tay hoàn thiện một agent vận hành có thể chạy xuyên suốt từ tiêm lỗi → cảnh báo → AI phân tích bước đầu → runbook và phương án xử lý → người phê duyệt thực hiện → đến bản nháp postmortem. Triển khai sàn thương mại điện tử ảo 'Loop Market' bằng Docker và thực hành với Prometheus, Grafana, Loki và Claude.

Tự xây dựng một pipeline phát triển bằng cách chạy Claude Code ở chế độ headless, để chỉ với một dòng bình luận trên issue, PR cần review sẽ được tạo ra. Mã hóa các quy tắc của nhóm bằng CLAUDE.md, skill và hook, đồng thời bổ sung ba bước kiểm duyệt thủ công, bot review, sổ theo dõi các nhận định sai và giới hạn chi phí.