Cả bài trong một trang: ý chính, sơ đồ, điểm phỏng vấn.
Logging cho backend: log level, structured log, MDC và pipeline log tập trung với ELK hoặc Loki
1Log để làm gì
Metric trả lời "có vấn đề không", trace trả lời "chậm ở chặng nào", log trả lời "chuyện gì đã xảy ra với request này". Log đắt nhất, nên chỉ ghi thứ giúp dựng lại sự việc.
Đếm lỗi, đo latency bằng metric, không đếm dòng log
Log tốt có ngữ cảnh: id, kết quả, lý do
payment failed orderId=98765 code=24 dùng được
Audit log tách riêng, không được sửa
2Chọn log level
Hỏi "ai cần đọc dòng này và khi nào". ERROR phải đánh thức được người trực, nên không dùng cho lỗi người dùng nhập sai.
Level
Khi nào
ERROR
hệ thống không làm được việc, cần người
WARN
bất thường nhưng đã tự xử lý
INFO
sự kiện nghiệp vụ, vòng đời app
DEBUG
điều tra, tắt mặc định
3Structured log và MDC
Log JSON với field cố định cho phép lọc orderId:98765 mà không cần regex. MDC gắn traceId vào mọi dòng của một request, nhưng là ThreadLocal.
Metadata mỗi request (method, path, status, thời gian, traceId) là đủ cho phần lớn nhu cầu. Che dữ liệu nhạy cảm ngay ở ứng dụng, không chờ pipeline.
Không log mật khẩu, token, Authorization, Cookie
Không log OTP, số thẻ đầy đủ, CVV
Không log.info("{}", user) với Lombok @Data
Log là dữ liệu cá nhân: có thời hạn lưu
5Pipeline log tập trung
Ứng dụng chỉ ghi stdout; agent trên node gom về nơi lưu. Log còn khi pod đã bị xoá.
flowchart TD
A["Spring Boot: JSON ra stdout"] --> N["File log trên node"]
N --> F["Agent: Fluent Bit, Filebeat"]
F --> Q[("Kafka, tuỳ chọn")]
Q --> ES[("Elasticsearch / OpenSearch")]
ES --> K["Kibana"]
F -.->|rẻ hơn| LO[("Loki + Grafana")]
💡 Ghi nhớ
Mỗi lỗi log một lần, ở tầng xử lý nó.
Dùng tham số {}, không nối chuỗi.
MDC.clear() khi request xong; qua pool dùng TaskDecorator.
Loki chỉ index label nên rẻ; Elasticsearch index toàn văn.
⭐ Điểm phỏng vấn
Tự trả lời trước, rồi bấm từng câu để xem đáp án.
Vì sao log ra stdout trong container?
File mất khi pod bị xoá, agent gom stdout.
Structured log lợi gì?
Lọc, đếm theo field, nối với trace.
traceId mất khi qua @Async?
MDC là ThreadLocal, phải tự sao chép.
Xong phần tự kiểm tra, bài này đã được đánh dấu đã học ✓
⚠️ Lỗi thường gặp
Log rồi ném lại ở mọi tầng: một lỗi thành ba stack trace.
Log DEBUG mỗi request trên production, cụm log chết trước app.
Dùng key do người dùng gửi làm tên field, vượt giới hạn 1.000 field.
Lúc có sự cố, log là thứ đầu tiên người ta mở, và thường là lúc phát hiện log thiếu thông tin, quá ồn, hoặc nằm rải trên 30 pod. Bài này nói cách viết log đọc được bằng máy, nối được với trace, không lộ dữ liệu nhạy cảm, và cách gom log về một chỗ. Phần trace và context propagation nằm ở bài distributed tracing với OpenTelemetry.
Sơ đồ tóm tắt:
flowchart LR
A[Spring Boot ghi JSON ra stdout] --> N[File log của container trên node]
N --> F[Agent: Fluent Bit / Filebeat]
F --> Q[(Kafka, tuỳ chọn)]
Q --> L[Logstash: parse, làm giàu]
F --> L
L --> ES[(Elasticsearch / OpenSearch)]
ES --> K[Kibana: tìm, dashboard, cảnh báo]
F -.->|thay thế rẻ hơn| LO[(Loki + Grafana)]
1. Log, metric, trace: log để làm gì
Ý chính: metric trả lời “có vấn đề không, nặng cỡ nào”, trace trả lời “chậm hay lỗi ở chặng nào”, log trả lời “chính xác chuyện gì đã xảy ra với request này”. Log đắt nhất trong ba thứ, nên chỉ log những gì giúp dựng lại sự việc.
Đếm lỗi, đo latency bằng metric (rẻ, tổng hợp sẵn), không bằng cách đếm dòng log.
Log tốt là log có ngữ cảnh: id của thực thể, kết quả, lý do. Payment failed vô dụng; payment failed orderId=98765 provider=vnpay code=24 reason=user_cancelled dùng được.
Log còn là bằng chứng: audit log (ai làm gì lúc nào) có yêu cầu lưu trữ và không được sửa, nên tách khỏi log ứng dụng.
2. Log level và log cái gì
Ý chính: chọn level theo câu hỏi “ai cần đọc dòng này và khi nào”. ERROR phải đánh thức được người trực, nên đừng dùng cho lỗi do người dùng nhập sai.
Level
Khi nào
Ví dụ
ERROR
hệ thống không làm được việc phải làm, cần người xem
không kết nối được DB sau khi retry, outbox kẹt, lỗi không mong đợi 500
WARN
bất thường nhưng đã tự xử lý hoặc sắp có vấn đề
retry lần 2 thành công, pool gần cạn, dùng giá trị mặc định vì thiếu config
INFO
sự kiện nghiệp vụ và vòng đời
đơn hàng tạo, thanh toán thành công, ứng dụng khởi động với profile prod
DEBUG
chi tiết để điều tra, tắt mặc định
tham số gọi ra ngoài, nhánh rẽ trong logic
TRACE
cực chi tiết, hầu như chỉ trong thư viện
từng byte gửi đi
Lỗi validation, 404, sai mật khẩu là hành vi bình thường của client: INFO hoặc không log (đã có metric), không phải ERROR.
Mỗi exception log một lần kèm stack trace, ở tầng quyết định xử lý (thường là @RestControllerAdvice hoặc vòng lặp consumer). Tầng dưới chỉ bọc thêm ngữ cảnh rồi ném tiếp.
Dùng tham số, không nối chuỗi: log.info("Order {} paid", orderId) không tốn công dựng chuỗi khi level bị tắt.
Đổi level lúc chạy mà không deploy: POST /actuator/loggers/com.shop.payment với {"configuredLevel":"DEBUG"}, nhớ trả lại sau khi xong; endpoint này và cách bảo vệ nó có ở Spring Boot Actuator và giám sát production.
3. Structured log: JSON thay vì câu chữ
Ý chính: log dạng JSON với tên field cố định cho phép lọc orderId:98765, đếm theo errorCode, và nối với trace qua traceId, mà không phải viết regex cho từng kiểu câu.
Spring Boot 3.4 trở lên có sẵn: logging.structured.format.console=ecs (hoặc logstash, gelf). Bản cũ hơn dùng logstash-logback-encoder.
Field nên có ở mọi dòng: thời gian (UTC, ISO-8601), level, logger, message, service.name, môi trường, traceId, spanId. Field nghiệp vụ thêm theo sự kiện.
SLF4J 2 có API dạng fluent để gắn field có cấu trúc: log.atInfo().addKeyValue("orderId", id).addKeyValue("amount", amount).log("order paid").
Giữ tên field thống nhất toàn công ty (theo ECS hoặc OpenTelemetry semantic conventions), nếu không mỗi service một tên user_id, userId, uid và không truy vấn chung được.
Khi chạy local, giữ định dạng chữ cho dễ đọc bằng mắt: chỉ bật structured format ở profile prod hoặc qua biến môi trường.
4. MDC và correlation id
Ý chính: MDC (Mapped Diagnostic Context) là một map gắn với thread hiện tại; logger tự chèn các giá trị trong đó vào mọi dòng log. Micrometer Tracing hoặc OpenTelemetry đặt sẵn traceId, spanId; bạn thêm userId, tenantId nếu cần.
Request đến: filter đọc hoặc tạo trace id (header traceparent), đặt vào MDC; request xong phải MDC.clear(), nếu không thread tiếp theo trong pool mang nhầm id cũ.
MDC là ThreadLocal: chuyển việc sang @Async, CompletableFuture, executor tự tạo là mất. Dùng TaskDecorator sao chép MDC, hoặc thư viện context-propagation (Spring Boot làm sẵn cho executor do nó quản lý khi bật tracing).
Qua Kafka: đặt trace id vào header của message; consumer đọc ra và đặt lại vào MDC.
Trả traceId trong response lỗi (ProblemDetail) để người dùng báo lỗi kèm mã tra cứu.
TaskDecorator sao chép MDC sang thread khác
@BeanThreadPoolTaskExecutor reportExecutor() { ThreadPoolTaskExecutor ex = new ThreadPoolTaskExecutor(); ex.setCorePoolSize(4); ex.setTaskDecorator(task -> { Map<String, String> context = MDC.getCopyOfContextMap(); // chụp ở thread gọi return () -> { Map<String, String> previous = MDC.getCopyOfContextMap(); if (context != null) MDC.setContextMap(context); else MDC.clear(); try { task.run(); } finally { // trả lại như cũ cho thread của pool if (previous != null) MDC.setContextMap(previous); else MDC.clear(); } }; }); ex.initialize(); return ex;}
Virtual thread cũng là thread, MDC vẫn là ThreadLocal của nó: tạo một virtual thread mới cho mỗi tác vụ thì vẫn phải truyền context như trên. Xem ExecutorService và virtual thread.
5. Log request/response và dữ liệu nhạy cảm
Ý chính: log metadata của mọi request (method, path, status, thời gian, traceId) là đủ cho phần lớn nhu cầu; body chỉ log khi cần, có giới hạn kích thước, và luôn che dữ liệu nhạy cảm trước khi ghi.
Access log một dòng mỗi request: Tomcat access log, log của gateway/Ingress, hoặc một OncePerRequestFilter ghi method path status durationMs.
Body: bọc request bằng ContentCachingRequestWrapper/ContentCachingResponseWrapper để đọc lại được, cắt ở vài KB, bỏ qua upload file và endpoint đăng nhập, thanh toán.
Không log: mật khẩu, access/refresh token, header Authorization và Cookie, OTP, số thẻ đầy đủ và CVV (PCI DSS cấm lưu CVV), số CMND/CCCD. Email, số điện thoại: che một phần nếu thật cần.
Che ở ứng dụng (encoder/converter của Logback, hoặc hàm mask khi dựng log) chứ không chờ Logstash: dữ liệu đã rời process là đã nằm trong file trên node, trong buffer Kafka.
Log là dữ liệu cá nhân theo luật bảo vệ dữ liệu: có thời hạn lưu, ai được đọc, và quyền yêu cầu xoá.
6. Pipeline log tập trung
Ý chính: ứng dụng chỉ ghi ra stdout; nền tảng lo gom, phân tích, lưu và tìm kiếm. Như vậy ứng dụng không phụ thuộc vào hệ thống log, và log vẫn còn khi pod đã bị xoá.
Ghi: container ghi stdout/stderr, runtime lưu thành file trên node (/var/log/pods/...), có xoay vòng.
Thu thập: agent chạy dạng DaemonSet (Fluent Bit, Filebeat, Vector, OTel Collector) đọc file, gắn metadata Kubernetes (namespace, pod, label), gửi đi. Agent nên có buffer trên đĩa để không mất log khi đích tạm chết.
Đệm (tuỳ chọn): Kafka giữa agent và nơi lưu, khi lưu lượng lớn hoặc nơi lưu hay quá tải.
Xử lý: Logstash hoặc ingest pipeline của Elasticsearch: parse dòng không phải JSON, đổi tên field, bỏ log rác.
Lưu và tìm: Elasticsearch/OpenSearch với index theo ngày (data stream), vòng đời ILM: hot vài ngày, warm, rồi xoá; Kibana để tìm, dashboard, cảnh báo.
Những gì hỏng khi vận hành cụm log
Nghẽn ngược (backpressure): Elasticsearch chậm, agent đầy buffer, bắt đầu bỏ log; tệ hơn là ứng dụng ghi log đồng bộ ra mạng và bị treo theo. Vì vậy ứng dụng chỉ ghi stdout hoặc file local.
Logback AsyncAppender: hàng đợi mặc định 256 sự kiện; khi còn dưới 20% chỗ trống thì bỏ log TRACE/DEBUG/INFO, chỉ giữ WARN/ERROR; neverBlock=false (mặc định) nghĩa là đầy hẳn thì thread nghiệp vụ bị chặn. Chọn có ý thức: mất log hay chậm request.
Dòng nhiều line: stack trace Java bị agent cắt thành chục bản ghi nếu không phải JSON. Log JSON giải quyết tận gốc (stack trace nằm trong một field).
Field động: đặt addKeyValue(userInput, value) với key do người dùng gửi làm số field tăng không giới hạn; Elasticsearch giới hạn 1.000 field mỗi index mặc định và bắt đầu từ chối.
Đồng hồ: dùng thời gian lúc ghi log (@timestamp từ ứng dụng), không dùng lúc agent nhận, nếu không thứ tự sự kiện sai khi agent bị trễ.
Bài tập
Bài 1: Hàm che dữ liệu nhạy cảm trong log
Viết LogMasker.mask(String) che: token sau Bearer, giá trị của các field JSON password, secret, otp, cvv, số thẻ 13–19 chữ số (giữ 4 số cuối, chỉ che khi qua kiểm tra Luhn để không che nhầm mã đơn hàng), và email (giữ ký tự đầu và tên miền).
Lời giải Bài 1
import java.util.regex.Matcher;import java.util.regex.Pattern;public class LogMasker { private static final Pattern BEARER = Pattern.compile("(?i)(bearer\\s+)[A-Za-z0-9._~+/=-]+"); private static final Pattern SECRET_FIELD = Pattern.compile("(?i)(\"(?:password|secret|otp|cvv)\"\\s*:\\s*\")[^\"]*(\")"); private static final Pattern CARD = Pattern.compile("\\b(?:\\d[ -]?){12,18}\\d\\b"); // 13–19 chữ số private static final Pattern EMAIL = Pattern.compile("\\b([A-Za-z0-9._%+-])[A-Za-z0-9._%+-]*(@[A-Za-z0-9.-]+\\.[A-Za-z]{2,})\\b"); static String mask(String line) { String s = BEARER.matcher(line).replaceAll("$1***"); s = SECRET_FIELD.matcher(s).replaceAll("$1***$2"); s = maskCards(s); return EMAIL.matcher(s).replaceAll("$1***$2"); } /** Chỉ che chuỗi số qua được kiểm tra Luhn, để không che nhầm mã đơn hàng dài. */ private static String maskCards(String s) { Matcher m = CARD.matcher(s); StringBuilder out = new StringBuilder(); while (m.find()) { String digits = m.group().replaceAll("[ -]", ""); String repl = luhn(digits) ? "****" + digits.substring(digits.length() - 4) : m.group(); m.appendReplacement(out, Matcher.quoteReplacement(repl)); } m.appendTail(out); return out.toString(); } static boolean luhn(String digits) { int sum = 0; boolean dbl = false; for (int i = digits.length() - 1; i >= 0; i--) { int d = digits.charAt(i) - '0'; if (dbl) { d *= 2; if (d > 9) d -= 9; } sum += d; dbl = !dbl; } return sum % 10 == 0; } public static void main(String[] args) { String[] lines = { "Authorization: Bearer eyJhbGciOiJIUzI1NiJ9.eyJzdWIiOiI0MiJ9.abc-DEF_123", "{\"email\":\"nguyen.an@example.com\",\"password\":\"hunter2\",\"amount\":150000}", "charge card 4111 1111 1111 1111 for order 98765", "order 2026111900012345 created", // 16 chữ số nhưng không qua Luhn }; for (String l : lines) System.out.println(mask(l)); }}
Chạy java LogMasker.java (JDK 21):
Authorization: Bearer ***{"email":"n***@example.com","password":"***","amount":150000}charge card ****1111 for order 98765order 2026111900012345 created
Regex là lưới an toàn cuối cùng, không phải cách chính: cách chính là không đưa dữ liệu nhạy cảm vào lời gọi log ngay từ đầu. Trong Logback, đặt hàm này vào một MessageConverter hoặc JsonGeneratorDecorator để mọi dòng đi qua.
Bài 2: Ước lượng dung lượng log
40 pod, mỗi pod 150 request/s, mỗi request ghi 4 dòng log JSON, trung bình 600 byte một dòng. Elasticsearch có 1 replica, giữ 14 ngày. Tính dung lượng mỗi ngày và tổng; rồi tính lại nếu chỉ giữ 1 dòng INFO mỗi request.
Elasticsearch: nén làm nhỏ đi nhưng index làm lớn lên; ước lượng thô “dung lượng lưu ≈ dung lượng gốc”, nhân 2 vì replica ≈ 2,5 TB/ngày. 14 ngày ≈ 35 TB đĩa, chưa tính dư 20–30% cho merge và đĩa không được đầy.
Chỉ 1 dòng mỗi request: 6.000 dòng/s → 3,6 MB/s → ~311 GB/ngày gốc → ~8,7 TB cho 14 ngày với replica. Giảm 4 lần chỉ bằng kỷ luật log.
Thêm: DEBUG tắt mặc định, giữ log lỗi lâu hơn log INFO (ILM theo level hoặc index riêng), lấy mẫu access log của endpoint health check (hoặc bỏ hẳn).
Ghi nhớ
Phân biệt được ERROR, WARN, INFO bằng câu hỏi “ai cần đọc và khi nào”.
Giải thích được vì sao chỉ log một exception một lần, và ở tầng nào.
Biết MDC là ThreadLocal và cách giữ traceId qua thread pool, qua Kafka.
Kể được những gì không bao giờ log và vì sao phải che ở ứng dụng.
Vẽ được pipeline stdout → agent → (Kafka) → Elasticsearch/Loki và nói được trade-off giữa Elasticsearch và Loki.
Câu hỏi phỏng vấn
Junior
Khi nào dùng ERROR, WARN, INFO, DEBUG?
ERROR khi hệ thống không làm được việc và cần người xem; WARN khi bất thường nhưng đã tự xử lý; INFO cho sự kiện nghiệp vụ và vòng đời ứng dụng; DEBUG cho chi tiết điều tra, tắt mặc định trên production.
Lỗi do client (validation, sai mật khẩu, 404) không phải ERROR. Nếu mọi thứ là ERROR thì cảnh báo theo ERROR vô nghĩa.
Vì sao trong container nên ghi log ra stdout thay vì file?
Vì container là tạm thời: file trong container mất khi pod bị xoá, và ứng dụng không nên tự lo xoay vòng file hay đẩy log đi. Ghi stdout thì runtime lưu lại, agent của nền tảng gom về một chỗ.
Đây là nguyên tắc “logs as event streams” của 12-Factor App.
Mid
Structured logging là gì, lợi gì so với log chữ thường?
Là ghi mỗi dòng log thành bản ghi có field (thường là JSON) với tên cố định, thay vì một câu chữ tự do. Nhờ vậy lọc, đếm, nối với trace bằng field, không phải regex.
Truy vấn kiểu service:payment AND errorCode:24 hay đếm lỗi theo provider.
Stack trace nằm gọn trong một field, không bị cắt thành nhiều bản ghi.
Spring Boot 3.4+ có logging.structured.format.console=ecs|logstash|gelf; cần thống nhất tên field toàn công ty.
Làm sao để mọi dòng log của một request có cùng traceId, kể cả khi chạy @Async?
Đặt traceId vào MDC ở đầu request (Micrometer Tracing/OTel làm sẵn) và cấu hình logger in nó ra; vì MDC là ThreadLocal, executor phải sao chép MDC sang thread mới bằng TaskDecorator hoặc context-propagation.
Nhớ dọn MDC sau mỗi request/tác vụ để thread của pool không mang id cũ.
Qua Kafka: truyền trace id trong header message, consumer đặt lại vào MDC.
Trả traceId trong response lỗi để tra cứu.
Bạn log request và response của mọi API thế nào cho an toàn?
Một dòng metadata cho mọi request (method, path, status, thời gian, traceId) qua filter hoặc access log; body chỉ log có chọn lọc, cắt kích thước, và che dữ liệu nhạy cảm trước khi ghi.
OncePerRequestFilter + ContentCachingRequestWrapper/ContentCachingResponseWrapper để đọc lại body.
Giới hạn vài KB, DEBUG cho body, INFO cho metadata; lấy mẫu nếu lưu lượng lớn.
Senior
Thiết kế hệ thống log tập trung cho 200 microservice.
Ứng dụng ghi JSON ra stdout theo schema chung; agent DaemonSet (Fluent Bit/OTel Collector) có buffer đĩa gom và gắn metadata Kubernetes; Kafka làm đệm; Logstash hoặc ingest pipeline chuẩn hoá; lưu ở Elasticsearch/OpenSearch hoặc Loki với vòng đời theo ngày; Kibana/Grafana để tìm và cảnh báo.
Schema chung (ECS hoặc OTel conventions) và thư viện log nội bộ để mọi service có traceId, service.name, môi trường.
Chi phí: ước lượng dung lượng, retention khác nhau theo level/loại log, lấy mẫu log ồn, chặn field động.
Độ bền: buffer ở agent và Kafka; ứng dụng không bao giờ bị chặn vì hệ thống log chậm.
Bảo mật: che dữ liệu ở ứng dụng, phân quyền đọc theo team/namespace, audit log tách riêng và không sửa được.
Liên kết: từ log nhảy sang trace bằng traceId, từ dashboard metric nhảy sang log cùng khoảng thời gian.
Cụm Elasticsearch chứa log đầy đĩa và chậm, mỗi ngày tăng 2 TB. Bạn làm gì?
Cứu trước (ILM xoá hoặc chuyển index cũ, tăng đĩa tạm), rồi tìm nguồn gây ra lượng log: thường là vài service log DEBUG hoặc log body mỗi request, health check, hay vòng lặp retry ghi lỗi liên tục.
Đo theo service, logger, level: aggregation trên service.name và log.logger trong 24 giờ.
Cắt từ nguồn: tắt DEBUG, bỏ log health check, gộp log lặp, giới hạn tần suất log lỗi lặp lại.
Cấu trúc lưu: retention ngắn cho INFO, dài cho ERROR/audit; kiểm tra số shard (quá nhiều shard nhỏ cũng làm chậm); mapping tĩnh thay vì dynamic.
Cân nhắc chuyển log khối lượng lớn sang Loki hoặc object storage, giữ Elasticsearch cho phần cần tìm kiếm.
Log, metric và trace: một sự cố “API thanh toán thỉnh thoảng chậm 5 giây” thì bạn dùng cái nào trước?
Metric trước để biết phạm vi và thời điểm (p99 theo endpoint, theo pod, theo provider), trace để thấy chặng nào tốn 5 giây, rồi log của đúng các trace đó để biết vì sao.
Metric: chỉ một pod hay tất cả, chỉ một provider hay mọi provider, có trùng giờ GC hoặc deploy.
Trace: lấy vài trace chậm (tail sampling giữ lại trace chậm), thấy 5 giây nằm ở chờ connection pool hay ở gọi cổng thanh toán.
Log: lọc theo traceId, xem retry, timeout, mã lỗi.
Đi ngược (grep log trước) tốn thời gian nhất vì không biết tìm gì.
Từ vựng tiếng Anh
Term
Phát âm
Nghĩa
Ví dụ câu tiếng Anh dùng trong phỏng vấn
structured logging
/ˈstrʌk.tʃɚd ˈlɑː.ɡɪŋ/
log có cấu trúc
“With structured logging we can filter by orderId instead of grepping text.”
log level
/lɑːɡ ˈlev.əl/
mức log
“Validation errors are logged at INFO, not ERROR.”
correlation id
/ˌkɔːr.əˈleɪ.ʃən aɪ diː/
mã nối các log của một request
“Every log line carries the trace id as a correlation id.”
MDC
/em diː siː/
ngữ cảnh gắn với thread
“MDC is thread-local, so we copy it into executor threads.”
log aggregation
/lɑːɡ ˌæɡ.rəˈɡeɪ.ʃən/
gom log về một chỗ
“A DaemonSet agent handles log aggregation for every node.”
retention
/rɪˈten.ʃən/
thời gian lưu giữ
“We keep INFO logs for seven days and errors for ninety.”
backpressure
/ˈbæk.preʃ.ɚ/
nghẽn ngược
“The agent buffers to disk so backpressure never blocks the app.”
redact / mask
/rɪˈdækt/ /mæsk/
che dữ liệu
“Tokens are redacted before the log line leaves the process.”
cardinality
/ˌkɑːr.dəˈnæl.ə.t̬i/
số giá trị khác nhau
“User ids are high-cardinality, so they can’t be Loki labels.”
index lifecycle
/ˈɪn.deks ˈlaɪf.saɪ.kəl/
vòng đời index
“Index lifecycle management deletes log indices after fourteen days.”
Ghi chép tự tổng hợp từ tài liệu chính thức và kinh nghiệm thực tế.