Kafka được mô tả là “distributed commit log” – một hệ thống phân tán lưu trữ luồng sự kiện theo thứ tự, có khả năng phát lại và chịu lỗi cao .

select trong Go chỉ làm một việc duy nhất: chờ (ngắn gọn – wait) nhiều channel cùng lúc và thực hiện hành động với cái sẵn sàng đầu tiên.

Nói cách khác, select là switch-case dành riêng cho channel.

Trước đây, theo cách truyền thống, khi tích hợp một service mới với hệ thống của bạn, bạn sẽ cần phải viết code để tích hợp. Bạn sẽ cần check API document, viết code, test và deploy. Việc này mất khá nhiều thời gian và công sức.

Với sự phát triển của các hệ thống No code / low code, bạn có thể tích hợp một service mới với hệ thống của bạn bằng cách sử dụng giao diện người dùng, không cần phải viết code quá nhiều. Và n8n đã ra đời để giải quyết bài toán đó. Vậy n8n là gì? Nó có phải là một công cụ mạnh mẽ để bạn có thể tận dụng trong các hệ thống của mình hay không? Chúng ta hãy cùng bắt đầu tìm hiểu nhé.

Ngày nay, việc sử dụng AI Assistant để hỗ trợ việc code đang làm cho việc làm của các dev trở nên dễ dàng và hiệu quả hơn. Tuy nhiên, các sản phẩm của Github Copilot, Tabnine, Cursor AI ... đều là các sản phẩm thu phí, và chi phí của các sản phẩm này cũng không thấp, đặc biệt là đối với các bạn sinh viên cũng như các bạn mới bắt đầu đi làm. Vì vậy, trong bài viết này, mình sẽ chia sẻ cách sử dụng AI Assistant miễn phí để hỗ trợ việc code cho các bạn nhé.

Ở bài trước, mình đã hướng dẫn các bạn cách cài đặt Ollama trên máy tính cá nhân, đồng thời hướng dẫn cách bạn cài một model trên Ollama như thế nào? Tiếp theo chuỗi bài viết liên quan đến Large Language Model và Ollama, hôm nay mình sẽ hướng dẫn các bạn cách xây dựng 1 RAG server đơn giản, tích hợp với Ollama như thế nào nhé.

Ngày nay, chúng ta khá dễ dàng tiếp cận với các ứng dụng chat AI, nổi tiếng nhất phải kể đến là ChatGPT của OpenAI, Gemini của Google, Copilot của Microsoft, ... Các phần mềm này đối với một người dùng thông thường thì hầu như là xài miễn phí, trừ những trường hợp các bạn muốn sử dụng các tính năng nâng cao hơn thì cần phải trả tiền để nâng cấp.

Tuy nhiên, nếu bạn muốn thử tự mình dựng lên một trợ lý riêng cho mình trên máy tính cá nhân, và muốn tự do lựa chọn model, thì hãy xem bài viết dưới đây, mình sẽ hướng dẫn chi tiết nhé

Một điểm hay của Apache Superset là bạn có thể nhúng dashboard sau khi đã hoàn thành xong vào bất kỳ trang web nào của bạn. Đây thật sự là một điều tốt vì chúng ta có thể làm các báo cáo một cách nhanh chóng mà không phải mất quá nhiều thời gian và resource để xây dựng Backend, Frontend.

Biểu đồ dạng bảng (Table) là một trong những dạng biểu đồ phổ biến nhất và đơn giản nhất khi làm report. Mục đích của các biểu đồ này là giúp cho người xem quan sát được con số cụ thể của từng tiêu chí như thế nào? Có thể xem theo dạng sắp xếp theo một thứ tự nào đó, hoặc đơn giản nhất là liệt kê theo từng cột trong Dataset của mình.

Ở bài viết trước Cách làm Dashboard đơn giản với Apache Superset (Phần 1), mình đã hướng dẫn cách kết nối Datasource của bạn với Superset. Trong bài viết ngày hôm nay, mình sẽ bắt đầu khai thác dữ liệu từ nguồn data của mình bằng cách thiết kế các Chart, Dashboard sao cho sinh động nhé

Ở bài trước, mình đã hướng dẫn các bạn cách cài đặt Apache Superset. Sau khi đã cài đặt xong, thì điều đầu tiên chúng ta muốn nghĩ tới đó là làm sao có thể làm một dashboard, report bằng Superset được. Trong bài viết này, mình sẽ hướng dẫn các bạn từng bước để có thể làm được một report nhé, có hình ảnh minh hoạ