Thay bạn tích lũy kinh nghiệm — Thực hành thiết kế hệ thống dành cho junior trong thời đại AI
Trở thành một lập trình viên backend có thể giải thích “tại sao lại đưa ra phán đoán như vậy” về đoạn mã do AI viết. Chúng tôi chuyển hóa 8 quyết định thiết kế mà các kỹ sư cấp cao thực sự đưa ra trong lĩnh vực thương mại điện tử, thanh toán, quảng cáo và triển khai, cùng các trường hợp bị phạt và sự cố thực tế, thành các buổi thực hành với mã khởi đầu.
Thiết kế cơ chế trừ nguyên tử bằng Redis để không xảy ra oversell khi 100.000 người đồng thời yêu cầu coupon theo hình thức ai đến trước được phục vụ trước
Cách thiết kế API thanh toán để dù số lần thử lại tăng vọt vẫn chỉ tạo một giao dịch thanh toán (khóa idempotency · phiên bản hóa header · 6 loại mã trạng thái)
Nguyên lý của micro-batch quyết toán quảng cáo không sai dù chỉ 1 won ở 100.000 sự kiện mỗi giây
Hoàn thiện dự án mini shop đa module, nơi compiler bảo vệ ranh giới module (internal·DIP)
Triển khai blue-green, thực hiện rollback và xây dựng dashboard Prometheus·Grafana trên Kubernetes cục bộ
Tiêu chí quyết định kiến trúc để chọn "chỉ vừa đủ cho nhu cầu hiện tại" theo từng giai đoạn: ban đầu, 100.000, 1.000.000, 10.000.000
Thói quen review mã do AI viết bằng cách đặt ra các ràng buộc và kiểm chứng theo các tiêu chí tuân thủ, chi phí và quy mô
Hoàn thiện logger yêu cầu có tính năng tự động che thông tin cá nhân + theo dõi traceId (thực hành với mã khởi đầu)
AI가 짜준 코드, 면접에서 설명하실 수 있나요?
Đây là thời đại AI viết mã thay bạn. Các tính năng được tạo ra nhanh hơn trước rất nhiều. Thế nhưng trong phòng phỏng vấn và các buổi review mã, người ta lại hỏi như sau.
"Tại sao anh/chị lại đưa ra phán đoán như vậy về đoạn mã này?"
Nếu như trước đây, cơ hội tích lũy những kinh nghiệm thực tiễn mà phải mất vài năm va chạm mới có được nay đã giảm đi. AI có thể đưa ra câu trả lời khá thuyết phục khi được hỏi, nhưng có ba điều AI không thể phán đoán giúp bạn.
Liệu đoạn mã này có vi phạm Luật Bảo vệ Thông tin Cá nhân hay không?
Cấu trúc này tạo ra bao nhiêu chi phí đám mây
Liệu đây có phải là overengineering đối với quy mô hiện tại của chúng ta hay không
Khóa học này lấp đầy khoảng trống đó. Nội dung được chuyển tải nguyên vẹn từ những thiết kế tôi thực sự trải qua trong lĩnh vực thương mại điện tử, fintech và mobility, cùng những điều tôi đã đúc kết khi cố vấn cho các học viên Software Maestro. Bạn sẽ học không phải “dùng gì” mà là “tại sao các senior lại chọn thứ đó”.
이런 분께 추천해요
① Lập trình viên backend có 0–3 năm kinh nghiệm
Dành cho những người biết xây dựng tính năng nhưng không thể giải thích "vì sao lại thiết kế như vậy", hoặc lúng túng khi được hỏi "Tại sao lại làm như thế?" trong buổi review code.
② Người đang chuẩn bị tìm việc hoặc chuyển việc
Những người trong các buổi phỏng vấn thiết kế hệ thống không muốn học thuộc đáp án mà muốn giải thích được cơ sở cho lựa chọn của các công ty trên thực tế.
③ Dành cho những người sử dụng công cụ lập trình AI hằng ngày
Những người dù dán nguyên mã do Copilot·Claude·ChatGPT cung cấp nhưng vẫn lo lắng "liệu như vậy có đúng không". Những người muốn tự mình đưa ra các phán đoán về tuân thủ, chi phí và quy mô mà AI bỏ sót.
Sau khi hoàn thành khóa học, bạn sẽ đạt được những điều sau#+#+#+#+
Tiêu chí đánh giá để từng bước xử lý các yêu cầu cùng lúc có đến 100.000 người truy cập như coupon dành cho người đăng ký sớm và hàng tồn kho, bằng khóa DB, phép toán nguyên tử Redis, khóa phân tán và hàng đợi Kafka
Cách thiết kế API thanh toán không theo nguyên bản tiêu chuẩn mà thỏa hiệp với thực tế, cùng các biện pháp ứng phó với 6 điểm sụp đổ khi lưu lượng tăng gấp 10 lần
Cách dùng code để ngăn chặn tiền phạt và chi phí do một dòng log gây ra (che giấu thông tin cá nhân, ngăn chặn chi phí tăng vọt)
Lộ trình xác định nên áp dụng gì và nên trì hoãn gì theo quy mô dịch vụ (ban đầu → 100 nghìn → 1 triệu → 10 triệu)
Tự tay xây dựng cấu trúc đa mô-đun để trình biên dịch bắt buộc các ranh giới, đồng thời tìm hiểu cấu trúc đó kết hợp với tác nhân lập trình AI như thế nào
Triển khai không gián đoạn (rolling, blue-green, canary) và những cạm bẫy trong thiết kế giám sát sự cố và cảnh báo dựa trên Four Golden Signalsincident monitoring and alert design based on the Four Golden Signals
Đặc điểm của bài giảng
1. Chúng tôi trình bày quá trình phán đoán, không chỉ đáp án
Tất cả các mô-đun đều theo trình tự: "Vì sao vấn đề này xảy ra → tại hiện trường đã phán đoán như thế nào → với quy mô của chúng ta thì nên áp dụng đến đâu?". Trong mô-đun 4 còn có một bài học riêng về nhìn nhận phản biện với câu hỏi: "Có nên áp dụng nguyên cấu trúc này vào dự án của chúng ta không?".
2. Cảm nhận qua các trường hợp thực tế
Nội dung đề cập đến các mô hình thực tế về quy định và sự cố như quyết định xử phạt hành chính về bảo vệ thông tin cá nhân với số tiền 7,5 tỷ, 135 tỷ và 3,5 tỷ won, độ trễ sao chép trong tình huống lưu lượng truy cập tăng gấp 10 lần, hay cạn kiệt connection pool trong sự kiện ai đến trước được phục vụ trước. Không nêu đích danh công ty cụ thể mà đã ẩn danh và tái cấu trúc nội dung.
3. Hiểu bằng sơ đồ
Chúng tôi giải thích bằng hơn 40 sơ đồ tuần tự, lưu đồ và bản vẽ kiến trúc, đồng thời chỉ rõ từng phần bằng cách nói “hãy nhìn bên trái hình”. Không có khái niệm nào chỉ được nghe qua loa rồi bỏ qua.
4. Tự tay xây dựng bằng mã nguồn khởi đầu và tự kiểm tra bằng AI
Mô-đun 2 (logging), 7 (đa mô-đun) và 8 (triển khai·giám sát) được thực hiện thủ công trên các dự án khởi đầu có TODO. Trong mọi mô-đun đều có phần thực hành "Gửi cùng một prompt cho AI và thử so sánh", giúp bạn trực tiếp nhận ra những thiếu sót trong câu trả lời của AI.
Bạn sẽ học những nội dung như thế này
mô-đun
Chủ đề
Câu hỏi cốt lõi
1
Định hướng ban đầu
Trong thời đại AI, tại sao “tiêu chí phán đoán” lại là kinh nghiệm?
2
Kiến trúc ghi log trong thời đại AI
Lý do một dòng log do AI viết có thể trở thành khoản phạt khổng lồ và quả bom chi phí
3
Thiết kế xử lý đồng thời (coupon dành cho người đến trước·tồn kho)
Khi 100.000 người cùng tranh mua 100 sản phẩm tồn kho, làm thế nào để ngăn chặn việc bán vượt số lượng?
4
Thiết kế API thanh toán và ứng phó với lưu lượng truy cập tăng đột biến
Tại sao các công ty PG lớn từ bỏ PUT/DELETE, và điều gì sẽ sụp đổ khi lưu lượng tăng gấp 10 lần?
5
Công cụ quyết toán quảng cáo
Đánh đổi hiệu năng và tính nhất quán như thế nào ở mức hàng chục nghìn TPS
6
Từ 0 đến 10 triệu, kiến trúc theo từng giai đoạn
Ở quy mô hiện tại của chúng ta, điều gì là overengineering?
7
Đa mô-đun lấy miền làm trung tâm (Thực hành)
Nếu muốn giao phó các quy tắc cho trình biên dịch thay vì con người
8
Triển khai không gián đoạn và giám sát sự cố
Vì sao lần nào triển khai cũng gặp sự cố, và làm thế nào để không phải đánh thức cả đội vào lúc rạng sáng
Lý do tạo ra khóa học này
Trong thời đại không có người hướng dẫn trong đội ngũ, chỉ cần hỏi AI là có câu trả lời. Thế nhưng, tôi đã thấy quá nhiều đội ngũ vì không có ai đánh giá “điều này có phù hợp với tình huống của chúng ta không”, nên bê nguyên một cấu trúc trông có vẻ hợp lý vào sử dụng, rồi cuối cùng phải trả giá bằng chi phí và sự cố. Tôi muốn mang đến qua khóa học này trải nghiệm mà một senior ngồi bên cạnh và nói: “Cái đó quá sức đối với quy mô hiện tại của chúng ta.”
Khóa học này không đề cập đến nội dung đó.
Cú pháp cơ bản của Kotlin·Spring Boot·SQL (được giả định là kiến thức nền tảng cần có trước)
Bài kiểm tra coding·thuật toán, frontend
Toàn bộ quá trình thiết lập hạ tầng như tạo tài khoản AWS hoặc xây dựng cluster (phần thực hành triển khai dựa trên Kubernetes cục bộ)
Mã nguồn nội bộ thực tế của một công ty cụ thể — các ví dụ trong mô-đun 4 và 5 là những kịch bản giả lập được tổng hợp từ các mẫu hình của nhiều hệ thống.
Lưu ý trước khi tham gia khóa học
Môi trường thực hành
IntelliJ IDEA, Kotlin + Spring Boot, Docker (bắt buộc)
Kubernetes cục bộ: Docker Desktop hoặc minikube (thực hành triển khai mô-đun 8)
Redis·Kafka được khởi chạy bằng Docker hoặc thực hành theo phần giải thích mã nguồn. Không yêu cầu kinh nghiệm trước đó.
Tài khoản AWS là tùy chọn. Nếu sử dụng, hãy nhớ xóa các tài nguyên sau khi thực hành xong.
PDF slide của tất cả các mô-đun, ghi chú hướng dẫn thực hành (hướng dẫn từng bước theo đường dẫn tệp và số dòng)
Các mô-đun 3–6 là những bài học “lý thuyết thực hành”, trong đó bạn cùng đọc mã và theo dõi quá trình đưa ra quyết định. Các bài Hands-on yêu cầu tự gõ mã là mô-đun 2, 7 và 8.
Tổng cộng 8 mô-đun, 46 bài học, khoảng 6 giờ. Vào tháng 10, 7 bài học AI Hands-on (khoảng 1 giờ) sẽ được bổ sung miễn phí.
Kiến thức nền tảng
Cú pháp cơ bản của Kotlin hoặc Java (chỉ cần biết Java là đủ. Mã nguồn ngắn và có kèm giải thích)
Kinh nghiệm từng tạo API bằng Spring Boot ít nhất một lần.
Kiến thức cơ bản về SQL (SELECT, INSERT và giao dịch là gì)
Điều cần biết
Câu trả lời của AI trong bài giảng là giao diện tính đến tháng 9 năm 2026. Khi mô hình thay đổi, câu trả lời cũng sẽ thay đổi.
Các trường hợp bị phạt bổ sung và sự cố chỉ giữ lại những sự thật về biện pháp xử lý đã được công khai, còn tên công ty đã được ẩn danh.
Dự kiến cập nhật
Ngay cả sau khi ra mắt, chúng tôi vẫn sẽ bổ sung các bài giảng theo lịch trình dưới đây. Các bài học được thêm vào sẽ được cung cấp miễn phí cho học viên hiện tại.
Cuối tháng 9 năm 2026: Mở thử thách thực hành AI
Trong tháng 10 năm 2026: Bổ sung 7 bài học AI Hands-on theo từng mô-đun — thay vì tự tay gõ mã, hãy cung cấp cho tác nhân lập trình AI các tiêu chí ra quyết định của mô-đun dưới dạng ràng buộc để tác nhân triển khai, sau đó xác minh bằng k6, các bài kiểm thử và chỉ số, rồi đánh giá phản biện theo tiêu chuẩn của một kỹ sư cấp cao (cung cấp mã khởi đầu, docker compose và script xác minh)
Từ tháng 11 năm 2026: Phản ánh các bài học Q&A theo từng mô-đun dựa trên câu hỏi thực tế trên bảng hỏi đáp của học viên
Giới thiệu giảng viên
Năm hai đại học, sau khi đưa trò chơi tự mình làm lên top App Store, tôi đã khởi nghiệp ngay từ thời đại học với vai trò nhà phát triển kiêm CEO và điều hành công ty trong 5 năm. Sau đó, với tư cách freelancer, tôi dẫn dắt việc phát triển hệ thống thương mại điện tử ban đầu của PeaceMinorOne và đảm nhiệm vị trí CTO tại Newploy. Trong thời gian đó, “Bản đồ MERS” do tôi tự làm đã phát triển đến quy mô 1 triệu DAU và được truyền thông trong nước lẫn quốc tế đưa tin.
Gia nhập Toss trước khi công ty trở thành kỳ lân, tôi đã xây dựng hệ thống quảng cáo ban đầu, hệ thống trung gian kết nối khoản vay, các hệ thống liên quan đến bảo hiểm và ô tô, cùng API thanh toán. Tại Toss Payments, tôi là thành viên sáng lập và xây dựng hệ thống thanh toán từ đầu. Sau đó, tôi dẫn dắt việc phát triển các nền tảng thương mại điện tử cho những thương hiệu như Carhartt và Worksout, làm việc với các hệ thống có lưu lượng truy cập lớn tại Kakao Mobility, đồng thời đảm nhiệm thiết kế và phát triển giai đoạn đầu với tư cách thành viên sáng lập kiêm CTO tại Volt Up, liên doanh giữa LG Uplus và Kakao Mobility.
Với vai trò cố vấn Software Maestro, tôi đã giảng dạy cho các học viên một khóa học chính là tiền thân của bài giảng này.
Khuyến nghị cho những người này
Khóa học này dành cho ai?
Lập trình viên backend có 1–3 năm kinh nghiệm, dùng AI để xây dựng tính năng nhưng lại lúng túng khi trả lời câu hỏi “Tại sao lại làm như vậy?” trong quá trình review code
Một junior phụ trách tính năng xếp hàng trước và thanh toán nhưng lo lắng vì chưa từng thực sự gặp sự cố đồng thời.
Ứng viên tìm việc/chuyển việc (có kinh nghiệm dự án Spring Boot) bị khựng ngay từ phần "giả định quy mô" trong phỏng vấn thiết kế hệ thống
Lập trình viên giai đoạn đầu tại một startup không có senior trong đội ngũ, đang thực hiện việc ghi log, triển khai và giám sát dựa vào cảm tính.
Lập trình viên đơn độc không biết hỏi ai xem chi phí đám mây và việc xử lý thông tin cá nhân của dự án phụ có ổn hay không.
Cần biết trước khi bắt đầu?
Bạn cần biết cú pháp cơ bản của Kotlin hoặc Java. Chỉ biết Java cũng được. Mã nguồn ngắn và có phần giải thích đi kèm.
Cần có kinh nghiệm từng tạo API bằng Spring Boot ít nhất một lần.
Chỉ cần kiến thức cơ bản về SQL (SELECT·INSERT và giao dịch là gì) là đủ.
Để thực hành, cần có IntelliJ IDEA và Docker Desktop. Bài thực hành triển khai ở Mô-đun 8 sử dụng Kubernetes cục bộ (Kubernetes của Docker Desktop hoặc kind).
Công cụ lập trình AI có thể là bất cứ công cụ nào như Claude, ChatGPT, Cursor..., và bạn có thể theo học ngay cả với phiên bản miễn phí. Các bài học thực hành AI được bổ sung vào tháng 10 sẽ sử dụng tác nhân lập trình AI.
Tài khoản AWS là tùy chọn. Nếu sử dụng, hãy nhớ xóa tài nguyên sau khi thực hành.
Không cần có kinh nghiệm trước với Redis·Kafka·Kubernetes. Bạn có thể khởi chạy bằng Docker hoặc làm theo phần giải thích mã nguồn.
🏦 Cựu thành viên giai đoạn đầu của Toss · thành viên sáng lập Toss Payments | Lập trình viên backend từng phát triển nhiều loại API về quảng cáo, khoản vay, bảo hiểm và thanh toán
🚗 Cựu) Hệ thống lưu lượng lớn tại Kakao Mobility · Thành viên sáng lập kiêm CTO của VoltUp, liên doanh giữa LG U+ và Kakao Mobility
🛒 Cựu trưởng nhóm phát triển thương mại điện tử tại Peace Minor One, Carhartt và Worksout · Cựu CTO của Newploy
🚀 Cựu CEO startup thời đại học trong 5 năm (lọt Top 100 startup châu Á của Red Herring năm 2014) · Một mình phát triển “Bản đồ MERS” đạt DAU 100만, được truyền thông trong và ngoài nước đưa tin · Từng phát triển game indie lọt Top 10 thể loại game trên App Store (năm 2010)
🎓 Mentor Software Maestro | Tiến hành cố vấn 0-1 và giảng dạy về thiết kế hệ thống
🤖 Trong thời đại lập trình AI, tôi dạy các junior không phải “viết gì” mà là “vì sao senior lại chọn điều đó”