Agoda建立了统一的财务数据管道（FINUDP），解决了数据不一致和质量问题。该系统利用Apache Spark处理每日数百万条财务数据，确保数据的可靠性和可用性。FINUDP实现了数据的集中监控和自动化测试，提高了数据的准确性和一致性，使各团队能够访问可信的财务指标。

Agoda推出了API Agent，一个零代码、零部署的系统，连接内部REST或GraphQL API，简化API管理。该系统通过AI助手查询服务，支持多API同时使用，动态获取API架构，并使用DuckDB进行SQL后处理，确保安全性和高效性。项目已开源，便于进行REST和GraphQL实验。

Agoda在2023至2025年间流量激增50倍，面临工程挑战。团队通过优化ScyllaDB、改进缓存和数据模型、升级硬盘，成功实现300K EPS的容量提升，保持10ms延迟，顺利应对流量波动。

Agoda整合多个独立数据管道为基于Apache Spark的统一平台，以消除财务数据不一致。通过多层质量框架、自动验证和机器学习异常检测，确保财务指标准确性。FINUDP系统提供实时更新，提升数据处理效率，正常运行时间达到95.6%，目标为99.5%。此举体现了行业对数据质量管理的重视。

Agoda利用ChatGPT优化SQL存储过程，缩短了优化时间，减轻了数据库开发者的负担。开发团队通过ChatGPT生成优化建议，提升性能并减少人工审核时间。尽管初步成功，团队仍在改进以解决逻辑验证等问题，并计划将功能扩展至CI/CD管道外。

Agoda的工程团队开发了一种定制解决方案，确保Kafka消费者在多个数据中心之间的操作连续性。该系统实现了可靠的故障转移和恢复，能够在数据中心故障时无缝切换消费者工作负载，避免数据丢失或重复。通过实时同步消费者组偏移量，确保故障恢复时准确恢复处理进度，增强了Kafka在多数据中心环境中的可靠性。

Agoda通过开发macOS虚拟化Kubelet（macOS-vz-Kubelet）将macOS基础设施与Kubernetes集成，解决了可扩展性和性能问题，支持高效的CI/CD流程，并引入符合OCI标准的macOS VM镜像格式，提升了部署效率。

Agoda采用客户端优先策略，将单体GraphQL API迁移至微服务架构。通过内部智能编排器，客户端应用可同时处理单体和微服务，降低风险，减少干扰，增强团队对全栈的控制，确保架构符合现代开发原则。Agoda逐步迁移，确保数据准确性，并通过自动化分析优化GraphQL查询，提升可管理性和灵活性。

CodeRabbit 是一款 AI 代码审查工具，帮助团队快速合并代码并提升质量。它不仅指出问题，还提供修复建议和解释，支持自动 PR 摘要和流行的代码检查工具，能高亮安全问题。至今已审查超过 500 万个 PR，广泛应用于开源项目和组织。