GitHub đập bỏ kiến trúc lưu trữ cũ, tăng tốc ghi gấp 35 lần để phục vụ kỷ nguyên AI agent

GitHub đang tiến hành đại tu toàn bộ kiến trúc lưu trữ Git của mình để đối phó với làn sóng truy cập chưa từng có từ các AI agent. Kết quả thử nghiệm ban đầu cho thấy tốc độ ghi được cải thiện tới 35 lần, trong khi luồng làm việc của lập trình viên vẫn được giữ nguyên.

Vì sao GitHub phải viết lại hệ thống lưu trữ?

Sự bùng nổ của các AI agent lập trình đã khiến lưu lượng truy cập trên GitHub tăng vọt. Từ tháng 9/2025 đến tháng 8/2026, lưu lượng của nền tảng này đã tăng gấp đôi, từ 218,2 tỷ sự kiện mỗi tháng lên 473,3 tỷ. Chỉ riêng trong tháng 9, số lượt commit đạt 7,38 tỷ, gấp 5 lần so với cùng kỳ năm trước.

Áp lực này khiến hệ thống cũ liên tục quá tải. Theo báo cáo tình trạng dịch vụ của GitHub, chỉ trong tháng 4 đã có 10 sự cố làm suy giảm hiệu năng, và thêm 9 sự cố nữa xảy ra vào tháng 5.

Brian Celenza, kỹ sư phần mềm chính của GitHub, giải thích rằng việc vận hành một kho mã nguồn cấp doanh nghiệp giờ đây phải đáp ứng "các nhóm kỹ thuật lớn chạy pipeline CI bận rộn song song với đội quân agent ngày càng đông đảo". Theo ông, điều này đòi hỏi hạ tầng Git phải phục vụ đọc và ghi đồng thời ở quy mô mà rất ít kho mã hiện nay đạt tới.

Kiến trúc Spokes cũ và điểm nghẽn chí mạng

Kiến trúc lưu trữ hiện tại của GitHub, có biệt danh là Spokes, sử dụng giao thức commit ba giai đoạn. Hệ thống lưu toàn bộ bản sao kho mã trên nhiều ổ đĩa cục bộ và yêu cầu một nhóm bản sao (quorum) xác nhận mỗi lần ghi.

Cách làm này đảm bảo độ tin cậy cao nhưng lại tạo ra nút thắt cổ chai về tốc độ ghi, bởi mỗi lệnh push đều bị giới hạn bởi bản sao chậm nhất trong nhóm quorum. Càng nhiều agent hoạt động song song, điểm nghẽn này càng trở nên nghiêm trọng.

Hệ thống mới hoạt động ra sao?

Kiến trúc mới giải quyết vấn đề theo ba hướng chính:

• Ghi một lần duy nhất: mỗi commit chỉ được ghi vào Azure Blob Storage, dịch vụ lưu trữ đối tượng tự động xử lý việc sao chép và dự phòng, qua đó loại bỏ hoàn toàn nút thắt quorum.
• Tách riêng luồng đọc và ghi: các yêu cầu đọc được đưa sang kênh riêng, do những worker tính toán nhẹ đảm nhiệm. Điểm phối hợp duy nhất giữa đọc và ghi là các con trỏ nhánh tham chiếu.
• Đẩy việc bảo trì ra nền: các tác vụ như nén dữ liệu (compaction) và thu gom rác (garbage collection) được chuyển khỏi luồng phục vụ chính, giúp giảm độ trễ hệ thống.

Đáng chú ý, toàn bộ thay đổi diễn ra "dưới nắp ca-pô" với mục tiêu không gây gián đoạn, không thay đổi luồng làm việc, quy trình review hay các kiểm soát bảo mật của lập trình viên. Tuy nhiên, Celenza chưa đưa ra mốc thời gian cụ thể cho quá trình di trú đầy tham vọng này.

Cuộc đua tái định hình Git cho thời đại agent

GitHub không đơn độc trong nỗ lực này. Cựu CEO GitHub là Thomas Dohmke đã ra mắt dịch vụ lưu trữ Git mang tên Entire, chuyển hướng lưu lượng agent sang các kho mã gương để kho chính chỉ phục vụ hoạt động phát triển cốt lõi.

Cursor, công ty con của SpaceX chuyên hỗ trợ agent lập trình, cũng tinh chỉnh tầng lưu trữ của mình. Các kỹ sư Cursor cũng từ bỏ giao thức commit ba giai đoạn của Spokes để chuyển sang ghi các lệnh push vào nhật ký ghi trước (write-ahead log - WAL) trên lưu trữ đối tượng, lưu mọi thay đổi dưới dạng đối tượng bất biến và đệm ít nhất một bản sao trên ổ SSD siêu nhanh.

"Tôi từng làm việc ở quy mô cực lớn và thấy các công ty dành ba tháng chỉ để chuẩn bị cho những sự kiện làm tăng lưu lượng 10% hay 20% [...], chẳng thấm vào đâu so với những gì GitHub đang đối mặt lúc này."

Sam Lambert, CEO PlanetScale, chia sẻ như vậy trên X.

Góc nhìn cho cộng đồng lập trình viên Việt Nam

Với các nhóm phát triển phần mềm tại Việt Nam, đặc biệt là những đội ngũ đã và đang đưa AI agent vào quy trình CI/CD, đây là tín hiệu đáng chú ý. Nếu GitHub giải quyết được bài toán hiệu năng, các pipeline tự động hóa và agent hỗ trợ lập trình sẽ chạy ổn định hơn, giảm tình trạng nghẽn hoặc lỗi thời điểm cao điểm.

Việc các ông lớn như GitHub, Cursor hay PlanetScale đồng loạt tái thiết kế hạ tầng Git cũng cho thấy một xu hướng rõ ràng: hạ tầng phần mềm truyền thống đang phải định hình lại để phục vụ khối lượng công việc do AI tạo ra. Đây có thể là bài học tham khảo cho các startup và đội kỹ thuật trong nước khi thiết kế hệ thống cho tương lai gần.