java advanced performance techniques

// Branch-heavy: mỗi iteration = 1 branch prediction
// Với random data: ~50% misprediction
public static int conditionalSum(int[] data) {
   int sum = 0;
   for (int val : data) {
       if (val >= 128) {  // Branch: predicted or mispredicted
           sum += val;
       }
   }
   return sum;
}
 
// ✅ Branchless: arithmetic thay thế branch
// JIT compiler thường convert sang CMOV instruction
public static int branchlessSum(int[] data) {
   int sum = 0;
   for (int val : data) {
       // (val - 128) >> 31 = 0 khi val >= 128, = -1 (all 1s) khi val < 128
       // ~((val - 128) >> 31) = -1 khi val >= 128, = 0 khi val < 128
       // val & mask = val khi mask = -1, = 0 khi mask = 0
       int mask = ~((val - 128) >> 31);
       sum += val & mask;
   }
   return sum;
}

// Branching min/max
public static int branchingMax(int a, int b) {
   return a > b ? a : b;  // Branch — nhưng JIT thường optimize
}
 
// ✅ Branchless max (khi JIT KHÔNG optimize, hoặc trong interpreted mode)
public static int branchlessMax(int a, int b) {
   // Khi a > b: a - b > 0, sign bit = 0, >> 31 = 0
   // Khi a < b: a - b < 0, sign bit = 1, >> 31 = -1 (all 1s)
   int diff = a - b;
   int sign = diff >> 31;          // 0 if a >= b, -1 if a < b
   return a - (diff & sign);       // a - 0 = a, hoặc a - (a-b) = b
   // CẢNH BÁO: overflow khi |a - b| > Integer.MAX_VALUE
}
 
// ✅ Branchless absolute value
public static int branchlessAbs(int n) {
   int mask = n >> 31;        // 0 nếu positive, -1 nếu negative
   return (n ^ mask) - mask;  // flip bits + add 1 cho negative (two's complement)
}
 
// ✅ Branchless clamp (giới hạn value trong [min, max])
public static int branchlessClamp(int val, int min, int max) {
   // Math.max(min, Math.min(val, max)) — nhưng branchless
   int clamped = val - max;
   clamped &= clamped >> 31;   // 0 nếu val > max, negative value nếu val <= max
   clamped += max;              // clamp trên
 
   int lower = clamped - min;
   lower &= ~(lower >> 31);    // 0 nếu clamped < min
   return lower + min;          // clamp dưới
}

// Java boolean comparison → thường tạo branch
// ✅ Convert boolean condition thành 0/1 integer arithmetic
 
// Tính phí giao dịch: VIP = 0%, Normal = 2%
// Don't
double fee = isVip ? 0.0 : amount * 0.02;
 
// Do - Branchless (hữu ích khi gọi triệu lần với random isVip)
// Boolean.compare(isVip, false) = 1 khi true, 0 khi false
int notVip = 1 - Boolean.compare(isVip, false);  // 0 khi VIP, 1 khi không
double fee = amount * 0.02 * notVip;

// Memory layout comparison:
// (HotSpot 64-bit, compressed oops/class pointers bật mặc định khi heap < 32GB)
// int:     4 bytes (stack hoặc inline trong array)
// Integer: 12 bytes object header + 4 bytes value = 16 bytes (heap)
// Long:    12 bytes header + 8 bytes value + 4 bytes padding = 24 bytes
// → cộng thêm 4 bytes reference trỏ tới object, Integer tốn ~5x so với int
// (JDK 27 bật compact object headers mặc định, JEP 534: header còn 8 bytes,
//  Integer/Long đều còn 16 bytes, nhưng vẫn gấp nhiều lần primitive)
 
// Autoboxing trap #1: Map với primitive keys
Map<Long, String> cache = new HashMap<>();
for (long id = 0; id < 1_000_000; id++) {
   cache.put(id, "value");  // id auto-boxed → 1M Long objects → ~24MB wasted
}
 
// Autoboxing trap #2: Generic methods
public static <T extends Comparable<T>> T max(T a, T b) {
   return a.compareTo(b) >= 0 ? a : b;
}
int result = max(x, y);  // x, y boxed → Integer, result unboxed → int
// 2 boxing + 1 unboxing PER CALL
 
// Autoboxing trap #3: Stream operations
long sum = longList.stream()
   .filter(x -> x > 100)     // x unboxed for comparison
   .map(x -> x * 2)          // x unboxed, result RE-BOXED
   .reduce(0L, Long::sum);   // unbox both, sum, RE-BOX accumulator
// MỖI stage map = unbox + rebox
 
// Fix: dùng primitive streams
long sum = longList.stream()
   .mapToLong(Long::longValue)  // unbox ONCE
   .filter(x -> x > 100)        // primitive operations from here
   .map(x -> x * 2)
   .sum();                       // primitive sum, no boxing

// JFR (Java Flight Recorder) — monitor allocations
// jcmd <pid> JFR.start name=boxing duration=60s filename=boxing.jfr
 
// JMH benchmark with -prof gc
// @Benchmark reports gc.alloc.rate — nếu cao bất thường → boxing
 
// IntelliJ inspection: "Auto-boxing" → highlight tất cả boxing sites
// IDE settings: Inspections → Java → Performance → "Auto-boxing"

// ✅ Strategy 1: Primitive-specialized collections
// Eclipse Collections
import org.eclipse.collections.impl.map.mutable.primitive.LongObjectHashMap;
LongObjectHashMap<String> cache = new LongObjectHashMap<>();
cache.put(42L, "value");  // NO boxing — stores raw long
 
// ✅ Strategy 2: Object ngắn hạn + escape analysis của JIT
// Object (record hay class thường) không "thoát" ra khỏi method sau khi inline
// có thể được C2 scalar-replace → không cấp phát trên heap.
// Record KHÔNG có ưu đãi riêng; chuyện này cũng không đảm bảo, phải đo.
record PricePoint(long timestamp, double price) {}
 
// ✅ Strategy 3: Redesign API to accept primitives
// ❌
public void processOrder(Long orderId, Integer quantity, Double price) { }
// ✅
public void processOrder(long orderId, int quantity, double price) { }
// Caller không bị boxing penalty
 
// ✅ Strategy 4: Primitive OptionalLong/OptionalInt thay vì Optional<Long>
// ❌
Optional<Long> findPrice(String product);  // Long boxing
// ✅
OptionalLong findPrice(String product);  // No boxing

public enum Permission {
   VIEW_DASHBOARD,    // bit 0
   EDIT_FORM,         // bit 1
   DELETE_FORM,       // bit 2
   MANAGE_USERS,      // bit 3
   DEPLOY_PROCESS,    // bit 4
   VIEW_AUDIT_LOG,    // bit 5
   EXPORT_DATA,       // bit 6
   MANAGE_ROLES,      // bit 7
   SYSTEM_CONFIG,     // bit 8
   VIEW_REPORTS       // bit 9
}
 
// Role definitions (lưu ý: EnumSet là mutable, đừng để code khác sửa trực tiếp các hằng này;
// cần trả ra ngoài thì dùng EnumSet.copyOf(...) hoặc Collections.unmodifiableSet(...))
public static final EnumSet<Permission> VIEWER = EnumSet.of(
   Permission.VIEW_DASHBOARD, Permission.VIEW_REPORTS
);  // Internal: 0000_0010_0000_0001
 
public static final EnumSet<Permission> EDITOR = EnumSet.of(
   Permission.VIEW_DASHBOARD, Permission.EDIT_FORM,
   Permission.VIEW_REPORTS, Permission.EXPORT_DATA
);  // Internal: 0000_0010_0100_0011
 
public static final EnumSet<Permission> ADMIN = EnumSet.allOf(Permission.class);
// Internal: 0000_0011_1111_1111
 
// Check permission — O(1) bitwise AND
public boolean hasPermission(EnumSet<Permission> userPerms, Permission required) {
   return userPerms.contains(required);  // Internally: (bits & (1L << ordinal)) != 0
}
 
// Check ALL required permissions — O(1) containsAll
public boolean hasAllPermissions(EnumSet<Permission> userPerms, EnumSet<Permission> required) {
   return userPerms.containsAll(required);  // Internally: (bits & required) == required
}
 
// Combine permissions — O(1) OR
public EnumSet<Permission> mergeRoles(EnumSet<Permission> role1, EnumSet<Permission> role2) {
   EnumSet<Permission> combined = EnumSet.copyOf(role1);
   combined.addAll(role2);  // Internally: bits |= other.bits
   return combined;
}

// Store permissions as BIGINT in PostgreSQL (single column, no join table)
@Entity
public class UserRole {
   @Id
   private UUID id;
   private String name;
 
   // Store as long bitmask
   @Column(name = "permissions_mask")
   private long permissionsMask;
 
   // Convert to/from EnumSet
   @Transient
   public EnumSet<Permission> getPermissions() {
       EnumSet<Permission> set = EnumSet.noneOf(Permission.class);
       for (Permission p : Permission.values()) {
           if ((permissionsMask & (1L << p.ordinal())) != 0) {
               set.add(p);
           }
       }
       return set;
   }
 
   public void setPermissions(EnumSet<Permission> permissions) {
       this.permissionsMask = 0L;
       for (Permission p : permissions) {
           this.permissionsMask |= (1L << p.ordinal());
       }
   }
}
 
// Query: find roles with DEPLOY_PROCESS permission
// SQL: WHERE (permissions_mask & 16) <> 0  (bit 4 = 2^4 = 16)
// JPQL không có toán tử bitwise &, nên dùng native query
@Query(value = "SELECT * FROM user_role WHERE (permissions_mask & :mask) = :mask",
       nativeQuery = true)
List<UserRole> findByPermission(@Param("mask") long mask);

// Platform thread: 1 request = 1 OS thread (giới hạn ~200-500 threads)
// Virtual thread: 1 request = 1 virtual thread (có thể 1M+ concurrent)
 
// ✅ Spring Boot 3.2+ — bật virtual threads (1 dòng config)
// application.yml:
// spring:
//   threads:
//     virtual:
//       enabled: true
// → Tomcat dùng virtual threads cho mỗi request
// → @Async tasks chạy trên virtual threads
// → Scheduler tasks dùng virtual threads
 
// ✅ Tự tạo virtual thread executor
ExecutorService executor = Executors.newVirtualThreadPerTaskExecutor();
 
// Xử lý 10,000 concurrent HTTP calls — KHÔNG cần reactive/WebFlux
List<Future<String>> futures = new ArrayList<>();
for (String url : urls) {  // 10,000 URLs
   futures.add(executor.submit(() -> {
       // Mỗi call block 200ms trung bình
       // Platform threads: 200 threads / 200ms = tối đa 1000 req/s
       // Virtual threads: 10,000 concurrent / 200ms = tối đa 50,000 req/s
       // (trần lý thuyết theo Little's Law; thực tế còn bị giới hạn bởi
       //  downstream, connection pool, CPU...)
       return httpClient.send(
           HttpRequest.newBuilder().uri(URI.create(url)).build(),
           HttpResponse.BodyHandlers.ofString()
       ).body();
   }));
}
 
// Structured Concurrency (Java 21 preview, cần --enable-preview)
// Lưu ý: API này vẫn đang preview và đã đổi nhiều. Từ JDK 25 (JEP 505),
// ShutdownOnFailure bị bỏ, thay bằng StructuredTaskScope.open(Joiner...).
// Code dưới đây viết theo API của JDK 21.
try (var scope = new StructuredTaskScope.ShutdownOnFailure()) {
   Subtask<User> userTask = scope.fork(() -> userService.getUser(id));
   Subtask<List<Order>> ordersTask = scope.fork(() -> orderService.getOrders(id));
   Subtask<Double> balanceTask = scope.fork(() -> accountService.getBalance(id));
 
   scope.join();           // Wait for all
   scope.throwIfFailed();  // Propagate first failure
 
   // All completed successfully — combine results
   return new UserProfile(userTask.get(), ordersTask.get(), balanceTask.get());
   // 3 I/O calls chạy song song, tổng latency = max(3 calls) thay vì sum(3 calls)
}

// ✅ DÙNG cho I/O-bound workloads:
// - REST API calls to downstream services
// - Database queries (JDBC)
// - File I/O
// - Message queue operations (RabbitMQ consume/produce)
// - Anything that spends most time WAITING
 
// ❌ KHÔNG dùng cho CPU-bound workloads:
// - Heavy computation (encryption, compression, ML inference)
// - Image/video processing
// - Complex mathematical calculations
// Lý do: Virtual threads không tăng CPU throughput — vẫn limited by cores
// Dùng ForkJoinPool hoặc parallel streams cho CPU-bound
 
// ❌ JDK 21-23: tránh synchronized bao quanh I/O (pinning problem)
// synchronized block PIN virtual thread vào carrier, carrier bị block theo
// (Từ JDK 24, JEP 491 đã gỡ pinning cho synchronized; vẫn còn pin khi
//  gọi native code, hoặc khi block trong class initializer)
synchronized (lock) {
   database.query(...);  // ❌ Virtual thread PINNED → carrier thread blocked
}
 
// ✅ Trên JDK 21-23: thay bằng ReentrantLock
private final ReentrantLock lock = new ReentrantLock();
lock.lock();
try {
   database.query(...);  // ✅ Virtual thread can unmount during I/O
} finally {
   lock.unlock();
}

// JFR events cho virtual threads:
// jdk.VirtualThreadStart, jdk.VirtualThreadEnd
// jdk.VirtualThreadPinned — QUAN TRỌNG: detect pinning issues
 
// System property để detect pinning at runtime (chỉ JDK 21-23):
// -Djdk.tracePinnedThreads=short
// Output warning khi virtual thread bị pinned
// JDK 24+ đã bỏ property này (JEP 491), dùng event JFR ở trên
 
// Ước tính lý thuyết theo Little's Law, KHÔNG phải benchmark đo thật
// (REST API, 1000 concurrent users, 100ms DB latency):
// Platform threads (200 pool): throughput = 2,000 req/s, p99 = 500ms (queuing)
// Virtual threads: throughput = 9,500 req/s, p99 = 110ms (no queuing)

// ❌ N+1: Load 100 orders → triggers 100 separate queries for items
@Entity
public class Order {
   @OneToMany(mappedBy = "order", fetch = FetchType.LAZY)
   private List<OrderItem> items;  // LAZY = good default, BUT...
}
 
// Khi access items trong loop:
List<Order> orders = orderRepository.findAll();  // 1 query: SELECT * FROM orders
for (Order order : orders) {
   order.getItems().size();  // 100 queries: SELECT * FROM order_items WHERE order_id = ?
}
// Tổng: 101 queries thay vì 1
 
// ✅ Fix 1: JOIN FETCH (eager load in JPQL)
@Query("SELECT o FROM Order o JOIN FETCH o.items WHERE o.status = :status")
List<Order> findByStatusWithItems(@Param("status") OrderStatus status);
// 1 query: SELECT ... FROM orders JOIN order_items ...
 
// ✅ Fix 2: @EntityGraph (declarative fetch plan)
@EntityGraph(attributePaths = {"items", "items.product"})
List<Order> findByStatus(OrderStatus status);
// 1 query with LEFT JOIN
 
// ✅ Fix 3: @BatchSize (batch lazy loading — best for collections)
@Entity
public class Order {
   @OneToMany(mappedBy = "order")
   @BatchSize(size = 50)  // Load items for 50 orders at once
   private List<OrderItem> items;
}
// 100 orders → 1 query orders + 2 query items (mỗi batch 50) = 3 queries thay vì 101

// Hibernate giữ snapshot của mọi entity managed khi load → so sánh khi flush
// 10,000 entities loaded = 10,000 snapshots in memory + O(n) comparison at flush
 
// ❌ Load nhiều entity chỉ để đọc
@Transactional
public List<ProductDTO> getAllProducts() {
   List<Product> products = productRepository.findAll();  // 10K entities tracked
   return products.stream().map(this::toDTO).toList();
   // Flush time: Hibernate so sánh 10K snapshots (dù không thay đổi gì)
}
 
// ✅ Fix 1: Read-only transaction (skip dirty checking)
@Transactional(readOnly = true)
public List<ProductDTO> getAllProducts() {
   // Spring set FlushMode.MANUAL + session read-only:
   // entity load ra không giữ snapshot, không dirty check
   List<Product> products = productRepository.findAll();
   return products.stream().map(this::toDTO).toList();
}
 
// ✅ Fix 2: Projection/DTO query (bypass entity tracking entirely)
@Query("SELECT new com.tungdadev.csp.product.dto.ProductSummaryDTO(" +
      "p.id, p.name, p.price) FROM Product p WHERE p.status = 'ACTIVE'")
List<ProductSummaryDTO> findActiveSummaries();
// KHÔNG tạo entity, KHÔNG snapshot, KHÔNG dirty check — pure DTO
 
// ✅ Fix 3: StatelessSession cho bulk reads
Session session = entityManager.unwrap(Session.class);
try (StatelessSession stateless = session.getSessionFactory().openStatelessSession()) {
   // ... query / scroll trên stateless ...
}
// StatelessSession: no first-level cache, no dirty checking, no cascades
// Nhớ đóng session (try-with-resources) để trả connection
// Perfect for batch processing millions of rows

// spring.jpa.open-in-view=true (DEFAULT in Spring Boot!)
// → Hibernate Session mở suốt HTTP request lifecycle
// → Lazy loading works in Controller/View layer (tiện)
// → Database connection held cho TOÀN BỘ request duration (NGUY HIỂM)
 
// Vấn đề: Request mất 2s (1.9s render JSON, 0.1s DB query)
// → DB connection bị giữ 2s thay vì 0.1s
// → Connection pool exhausted dưới load
 
// ✅ Fix: Tắt OSIV, eager fetch những gì cần
// application.yml:
// spring:
//   jpa:
//     open-in-view: false
 
// Và fetch đầy đủ data trong Service layer (trước khi TX đóng)
@Service
@Transactional(readOnly = true)
public class OrderService {
   public OrderDetailDTO getOrderDetail(UUID id) {
       Order order = orderRepository.findByIdWithItemsAndCustomer(id);
       // JOIN FETCH tất cả cần thiết → không lazy load ngoài TX
       return mapper.toDetailDTO(order);
   }
}

// ❌ Default ObjectMapper — reflection-based, lần đầu chậm
// Jackson dùng reflection để inspect fields → tạo serializer/deserializer
// Lần serialize đầu cho mỗi type tốn hơn hẳn (reflection + build cache),
// các lần sau dùng serializer đã cache nên nhanh hơn nhiều
 
// ✅ Strategy 1: Reuse ObjectMapper (Spring Boot mặc định làm đúng)
// KHÔNG BAO GIỜ tạo new ObjectMapper() trong method — nó thread-safe, share được
@Configuration
public class JacksonConfig {
   @Bean
   public ObjectMapper objectMapper() {
       return JsonMapper.builder()
           .addModule(new JavaTimeModule())
           .disable(SerializationFeature.WRITE_DATES_AS_TIMESTAMPS)
           .disable(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES)
           // Afterburner: bytecode generation thay vì reflection.
           // Module cũ, dựa vào internal API (Unsafe/defineClass) nên dễ
           // warning hoặc lỗi trên JDK mới;
           // Jackson khuyên dùng Blackbird (Strategy 2) cho JDK hiện đại
           .addModule(new AfterburnerModule())
           .build();
   }
}
// Dependency: com.fasterxml.jackson.module:jackson-module-afterburner
 
// ✅ Strategy 2: Blackbird (thay thế Afterburner, từ Jackson 2.12, nên dùng cho JDK 11+)
// Dùng java.lang.invoke.LambdaMetafactory thay vì bytecode generation
.addModule(new BlackbirdModule())  // Tương đương Afterburner, cleaner cho modern JVMs
// Dependency: com.fasterxml.jackson.module:jackson-module-blackbird
// (Jackson 3.x, mặc định trong Spring Boot 4, đổi groupId sang tools.jackson.*;
//  JavaTimeModule đã nằm sẵn trong databind)
 
// ✅ Strategy 3: Avoid serializing unnecessary fields
@JsonInclude(JsonInclude.Include.NON_NULL)  // Skip null fields → smaller JSON, less work
public class ProductDTO {
   private UUID id;
   private String name;
   private BigDecimal price;
 
   @JsonIgnore  // Never serialize — internal field
   private String internalCode;
 
   @JsonProperty(access = JsonProperty.Access.WRITE_ONLY)  // Deserialize only
   private String secretToken;
}
 
// ✅ Strategy 4: Custom serializer cho hot DTOs
// Khi 1 DTO được serialize hàng triệu lần, custom serializer > reflection
public class ProductDTOSerializer extends JsonSerializer<ProductDTO> {
   @Override
   public void serialize(ProductDTO dto, JsonGenerator gen,
                         SerializerProvider provider) throws IOException {
       gen.writeStartObject();
       gen.writeStringField("id", dto.getId().toString());
       gen.writeStringField("name", dto.getName());
       gen.writeNumberField("price", dto.getPrice());  // giữ BigDecimal, đừng đổi sang double (mất chính xác)
       gen.writeEndObject();
       // Direct field writes — no reflection, no introspection
   }
}

// ❌ Build entire list in memory → serialize all at once
@GetMapping("/products/export")
public List<ProductDTO> exportAll() {
   return productService.findAll();  // 100K objects in memory simultaneously
   // Jackson serializes toàn bộ List → massive heap usage → GC pressure
}
 
// ✅ Stream + Jackson Streaming API — memory gần như không đổi
// streamAll(): repository method tự khai báo, trả về Stream<Product>
// (nên kèm @QueryHints fetch size để JDBC driver không kéo hết về một lượt)
@GetMapping("/products/export")
public ResponseEntity<StreamingResponseBody> exportAll() {
   return ResponseEntity.ok()
       .contentType(MediaType.APPLICATION_JSON)
       .body(outputStream -> {
           // StreamingResponseBody chạy trên thread khác, ngoài transaction của request.
           // Spring Data JPA bắt buộc có transaction khi dùng Stream → tự mở bằng
           // TransactionTemplate (cấu hình readOnly = true)
           readOnlyTx.executeWithoutResult(status -> {
               try (JsonGenerator gen = objectMapper.getFactory()
                       .createGenerator(outputStream, JsonEncoding.UTF8);
                    Stream<Product> products = productRepository.streamAll()) {  // Stream phải được close
                   gen.writeStartArray();
                   int count = 0;
                   for (Product product : (Iterable<Product>) products::iterator) {
                       gen.writeObject(mapper.toDTO(product));
                       entityManager.detach(product);  // không để persistence context phình ra
                       if (++count % 1000 == 0) {
                           gen.flush();  // Flush định kỳ, không flush từng phần tử
                       }
                   }
                   gen.writeEndArray();
               } catch (IOException e) {
                   throw new UncheckedIOException(e);
               }
           });
       });
   // Memory: gần O(1) — mỗi lúc chỉ giữ một ít product (đã detach sau khi ghi)
}

// Jackson JSON: human-readable, lặp lại tên field trong mỗi object
// Protobuf: binary, field đánh số thay vì tên, schema định nghĩa trước
// → thường nhanh hơn vài lần và payload nhỏ hơn đáng kể (tuỳ dữ liệu, phải tự benchmark)
 
// Khi CSP services gọi nhau (console → bpm-runtime → repo):
// REST + JSON: đơn giản, debug-friendly, standard
// gRPC + Protobuf: throughput cao hơn rõ cho high-frequency internal calls (HTTP/2, binary)
 
// Trade-off decision:
// External APIs (client-facing): JSON (compatibility, readability)
// Internal hot paths (service-to-service): consider Protobuf/gRPC

<!-- pom.xml: Spring Boot 3.x native support -->
<plugin>
   <groupId>org.graalvm.buildtools</groupId>
   <artifactId>native-maven-plugin</artifactId>
</plugin>
 
<!-- Build native image -->
<!-- mvn -Pnative native:compile -->
<!-- Output: target/my-service (single executable binary, ~80MB) -->

// ✅ Hoạt động tốt với Native Image:
// - Standard Spring Boot controllers, services, repositories
// - Spring Data JPA (với proper hints)
// - Spring Security (basic configurations)
// - RestTemplate, WebClient
 
// ❌ Không hoạt động (hoặc cần config thủ công):
// - Runtime reflection (phải declare trước trong reflect-config.json)
// - Dynamic proxies (JDK proxy cần declare, CGLIB không support)
// - Resource loading từ classpath (cần resource-config.json)
// - Serialization (cần serialization-config.json)
 
// Spring Boot 3.x generates hints automatically cho most cases
// Nhưng third-party libraries có thể cần manual hints
// (từ GraalVM for JDK 23, các file *-config.json được gộp vào một file
//  reachability-metadata.json; định dạng cũ vẫn được chấp nhận nhưng đã deprecated)
 
// reflect-config.json (định dạng cũ)
[
 {
   "name": "com.tungdadev.csp.dto.ProductDTO",
   "allDeclaredConstructors": true,
   "allDeclaredFields": true,
   "allDeclaredMethods": true
 }
]
 
// ❌ KHÔNG phù hợp cho:
// - Applications dùng heavy reflection (Activiti engine, complex Hibernate mappings)
// - Long-running services hưởng lợi từ JIT optimization (JIT > AOT cho peak throughput)
// - Services cần dynamic class loading
 
// ✅ PHÙ HỢP cho:
// - Lightweight microservices (config-service, discovery, proxy)
// - Serverless functions (AWS Lambda, Azure Functions)
// - CLI tools
// - Services cần fast startup (auto-scaling, spot instances)

// Architecture: Request → Caffeine (L1, in-process) → Redis (L2, distributed) → DB (L3)
// Cache hit L1: ~50ns
// Cache hit L2: ~1-2ms (network)
// Cache miss (DB): ~5-50ms
 
// ✅ Spring Boot + Caffeine configuration
// Dependency: com.github.ben-manes.caffeine:caffeine
 
@Configuration
@EnableCaching
public class CacheConfig {
 
   @Bean
   public CacheManager cacheManager() {
       CaffeineCacheManager manager = new CaffeineCacheManager();
       manager.setCaffeine(Caffeine.newBuilder()
           .maximumSize(10_000)              // Max 10K entries
           .expireAfterWrite(Duration.ofMinutes(5))  // TTL 5 minutes
           .recordStats()                    // Enable metrics
       );
       return manager;
   }
 
   // Hoặc per-cache configuration (CHỌN MỘT trong hai bean,
   // không khai báo cả hai CacheManager cùng lúc)
   @Bean
   public CacheManager perCacheManager() {
       SimpleCacheManager manager = new SimpleCacheManager();
       manager.setCaches(List.of(
           buildCache("products", 5000, Duration.ofMinutes(10)),
           buildCache("users", 1000, Duration.ofMinutes(30)),
           buildCache("permissions", 2000, Duration.ofMinutes(5))
       ));
       return manager;
   }
 
   private CaffeineCache buildCache(String name, int maxSize, Duration ttl) {
       return new CaffeineCache(name, Caffeine.newBuilder()
           .maximumSize(maxSize)
           .expireAfterWrite(ttl)
           .recordStats()
           .build());
   }
}

@Service
@RequiredArgsConstructor
public class ProductService {
 
   private final ProductRepository productRepository;
 
   // ✅ Cache kết quả — subsequent calls skip DB entirely
   @Cacheable(value = "products", key = "#id")
   public ProductDTO getProduct(UUID id) {
       return productRepository.findById(id)
           .map(this::toDTO)
           .orElseThrow(() -> new EntityNotFoundException("Product not found"));
       // First call: DB query + cache result
       // Subsequent calls: return from Caffeine (~50ns)
   }
 
   // ✅ Invalidate khi data thay đổi
   @CacheEvict(value = "products", key = "#id")
   public ProductDTO updateProduct(UUID id, UpdateProductDTO dto) {
       Product product = productRepository.findById(id).orElseThrow();
       product.setName(dto.getName());
       product.setPrice(dto.getPrice());
       return toDTO(productRepository.save(product));
   }
 
   // ✅ Invalidate toàn bộ cache
   @CacheEvict(value = "products", allEntries = true)
   public void refreshCache() {
       log.info("Products cache invalidated");
   }
 
   // ✅ Conditional caching — chỉ cache khi result != null
   @Cacheable(value = "products", key = "#code", unless = "#result == null")
   public ProductDTO findByCode(String code) {
       return productRepository.findByCode(code)
           .map(this::toDTO)
           .orElse(null);
   }
}

// ✅ AsyncLoadingCache — non-blocking cache population
@Component
public class ProductCacheService {
 
   private final AsyncLoadingCache<UUID, ProductDTO> cache;
 
   public ProductCacheService(ProductRepository repo, ProductMapper mapper) {
       this.cache = Caffeine.newBuilder()
           .maximumSize(10_000)
           .expireAfterWrite(Duration.ofMinutes(5))
           .refreshAfterWrite(Duration.ofMinutes(1))  // Background refresh
           .buildAsync((key, executor) -> CompletableFuture.supplyAsync(() ->
               repo.findById(key).map(mapper::toDTO).orElse(null), executor
           ));
       // refreshAfterWrite: sau 1 phút, lần access tiếp → return stale value
       // + trigger async refresh in background → next access gets fresh value
       // → Key đang "nóng" không bị latency spike khi refresh. Lần load đầu tiên
       //   và key đã hết hạn (expireAfterWrite 5 phút không ai đọc) vẫn là cache miss
   }
 
   public CompletableFuture<ProductDTO> getProduct(UUID id) {
       return cache.get(id);  // Non-blocking, returns CompletableFuture
   }
}
 
// ✅ Two-level cache: Caffeine (L1) + Redis (L2)
@Service
@RequiredArgsConstructor
public class TwoLevelCacheService {
 
   private final Cache<String, ProductDTO> localCache = Caffeine.newBuilder()
       .maximumSize(5000)
       .expireAfterWrite(Duration.ofSeconds(30))  // Short TTL for consistency
       .build();
 
   private final RedisTemplate<String, ProductDTO> redisTemplate;
   private final ProductRepository repository;
 
   public ProductDTO getProduct(String id) {
       // L1: Local cache (nanoseconds)
       ProductDTO cached = localCache.getIfPresent(id);
       if (cached != null) return cached;
 
       // L2: Redis (milliseconds)
       cached = redisTemplate.opsForValue().get("product:" + id);
       if (cached != null) {
           localCache.put(id, cached);  // Populate L1
           return cached;
       }
 
       // L3: Database (tens of milliseconds)
       ProductDTO fresh = repository.findById(UUID.fromString(id))
           .map(this::toDTO)
           .orElseThrow();
 
       // Populate both levels
       redisTemplate.opsForValue().set("product:" + id, fresh, Duration.ofMinutes(10));
       localCache.put(id, fresh);
       return fresh;
   }
}

// ❌ Array of Structs (AoS) — default Java style
// Memory layout: [ptr0][ptr1][ptr2]... → [hdr|x0|y0|vx0|vy0] [hdr|x1|y1|vx1|vy1]...
// Khi chỉ cần x,y,vx,vy → vẫn kéo cả header, color, active vào cache line = phí bandwidth
class Particle {
   double x, y;    // position
   double vx, vy;  // velocity
   int color;      // rendering only
   boolean active; // logic only
}
Particle[] particles = new Particle[1_000_000];  // 1M pointers + 1M scattered objects
 
// Tính toán physics (chỉ cần x, y, vx, vy — không cần color, active):
for (Particle p : particles) {
   p.x += p.vx * dt;  // Cache miss: load toàn bộ object (~56 bytes) cho 4 fields
   p.y += p.vy * dt;
}
 
// ✅ Struct of Arrays (SoA) — group by access pattern
// Memory layout: [x0|x1|x2|x3|...] [y0|y1|y2|y3|...] [vx0|vx1|...] [vy0|vy1|...]
// Khi cần x → CPU prefetcher load sequential doubles → cache hit mọi access
class ParticleSystem {
   int count;
   double[] xs;     // All X positions contiguous
   double[] ys;     // All Y positions contiguous
   double[] vxs;    // All X velocities contiguous
   double[] vys;    // All Y velocities contiguous
   int[] colors;    // Separate — not loaded during physics
   boolean[] active; // Separate — not loaded during physics
 
   public ParticleSystem(int capacity) {
       this.count = 0;
       this.xs = new double[capacity];
       this.ys = new double[capacity];
       this.vxs = new double[capacity];
       this.vys = new double[capacity];
       this.colors = new int[capacity];
       this.active = new boolean[capacity];
   }
 
   // Physics update: CPU prefetcher LOVES this pattern
   // Sequential access → every cache line fully utilized
   public void updatePositions(double dt) {
       for (int i = 0; i < count; i++) {
           xs[i] += vxs[i] * dt;   // xs[] contiguous → prefetch works perfectly
           ys[i] += vys[i] * dt;   // ys[] contiguous → same
       }
       // JIT compiler có thể AUTO-VECTORIZE loop này (SIMD)
       // → Process 4 doubles per instruction (AVX2)
   }
 
   // Rendering: chỉ load positions + colors (skip velocities)
   // (Graphics ở đây là API vẽ giả định, không phải java.awt.Graphics)
   public void render(Graphics g) {
       for (int i = 0; i < count; i++) {
           g.setColor(colors[i]);
           g.drawCircle(xs[i], ys[i], 3);
           // colors[], xs[], ys[] contiguous — 3 cache-friendly arrays
           // vxs[], vys[] KHÔNG bị load vào cache → more room for useful data
       }
   }
}

// Scenario: Tính discount cho 100K products mỗi đêm
// Input: product prices + categories + stock levels
// Logic: discount phụ thuộc price + category (KHÔNG cần name, description, images...)
 
// ❌ AoS: Load full Product entities
@Scheduled(cron = "0 0 2 * * *")
public void calculateNightlyDiscounts() {
   List<Product> products = productRepository.findAll();  // 100K full objects
   // Mỗi Product: id, name, description, price, category, stock, images, metadata...
   // Memory: ~500 bytes/product × 100K = 50MB (chỉ cần ~20 bytes/product)
   for (Product p : products) {
       double discount = computeDiscount(p.getPrice(), p.getCategory(), p.getStock());
       p.setDiscount(discount);
   }
   productRepository.saveAll(products);
}
 
// ✅ SoA: Query chỉ columns cần thiết, process in parallel arrays
@Scheduled(cron = "0 0 2 * * *")
public void calculateNightlyDiscounts() {
   // Projection query — chỉ lấy 4 fields
   List<Object[]> rows = entityManager.createNativeQuery(
       "SELECT id, price, category, stock_level FROM products WHERE status = 'ACTIVE'"
   ).getResultList();
 
   int size = rows.size();
   UUID[] ids = new UUID[size];
   double[] prices = new double[size];
   int[] categories = new int[size];
   int[] stocks = new int[size];
 
   // Unpack into parallel arrays (SoA layout)
   for (int i = 0; i < size; i++) {
       Object[] row = rows.get(i);
       ids[i] = (UUID) row[0];
       prices[i] = ((Number) row[1]).doubleValue();
       categories[i] = ((Number) row[2]).intValue();
       stocks[i] = ((Number) row[3]).intValue();
   }
 
   // Compute discounts — cache-friendly sequential access
   double[] discounts = new double[size];
   for (int i = 0; i < size; i++) {
       discounts[i] = computeDiscount(prices[i], categories[i], stocks[i]);
   }
 
   // Batch update
   jdbcTemplate.batchUpdate(
       "UPDATE products SET discount = ? WHERE id = ?",
       new BatchPreparedStatementSetter() { /* ... */ }
   );
}

// ❌ Runtime computation: sin() mỗi frame (floating point = expensive)
// Giả sử game loop 60fps, 10K particles mỗi frame = 600K sin() calls/second
public double getAngle(int degreeTenths) {
   return Math.sin(Math.toRadians(degreeTenths / 10.0));
}
 
// ✅ Precomputed sine table — 1 memory read thay vì floating point computation
public class SineLUT {
   // 3600 entries = 0.0° to 359.9° (precision 0.1°)
   private static final double[] SIN_TABLE = new double[3600];
   private static final double[] COS_TABLE = new double[3600];
 
   static {
       for (int i = 0; i < 3600; i++) {
           double radians = Math.toRadians(i / 10.0);
           SIN_TABLE[i] = Math.sin(radians);
           COS_TABLE[i] = Math.cos(radians);
       }
   }
 
   // O(1) lookup — ~4 clock cycles (cache hit) vs ~20-50 cycles (Math.sin)
   public static double sin(int degreeTenths) {
       return SIN_TABLE[((degreeTenths % 3600) + 3600) % 3600];
   }
 
   public static double cos(int degreeTenths) {
       return COS_TABLE[((degreeTenths % 3600) + 3600) % 3600];
   }
}

// Scenario: Tính phí giao dịch dựa trên (loại giao dịch × hạng khách hàng × kênh)
// 5 loại × 4 hạng × 3 kênh = 60 combinations
// ❌ Nested if/else hoặc switch: O(branches), hard to maintain, error-prone
 
// ✅ 3D Lookup Table — O(1) access, dễ cập nhật
public class FeeCalculator {
   // Dimensions: [transactionType][customerTier][channel]
   // volatile + thay nguyên bảng khi reload → thread đọc luôn thấy một bảng hoàn chỉnh
   private static volatile double[][][] feeTable = new double[5][4][3];
 
   static {
       // Load from config/database at startup
       // Hoặc hardcode:
       // feeTable[TRANSFER][VIP][MOBILE] = 0.001;
       // feeTable[TRANSFER][NORMAL][COUNTER] = 0.005;
       initFromConfig();
   }
 
   // O(1) fee lookup — không rẽ nhánh theo business rule, không tính toán
   public static double getFeeRate(TransactionType type, CustomerTier tier, Channel channel) {
       return feeTable[type.ordinal()][tier.ordinal()][channel.ordinal()];
   }
 
   // Hot-reload từ database (runtime config change)
   // (class này cần là Spring bean và inject feeConfigRepository thì @Scheduled mới chạy)
   @Scheduled(fixedRate = 60_000)  // Refresh mỗi phút
   public void refreshFeeTable() {
       double[][][] fresh = new double[5][4][3];  // build bảng mới, không sửa bảng đang được đọc
       for (FeeConfig config : feeConfigRepository.findAll()) {
           fresh[config.getType().ordinal()]
                [config.getTier().ordinal()]
                [config.getChannel().ordinal()] = config.getRate();
       }
       feeTable = fresh;  // publish an toàn qua volatile write
   }
}

// ❌ String-based validation (tạo strings, regex, multiple comparisons)
public boolean isValidIdentifier(String s) {
   return s.matches("[a-zA-Z_][a-zA-Z0-9_]*");  // Regex = expensive per call
}
 
// ✅ Lookup table: O(1) per character check
public class CharClassifier {
   // 128 ASCII entries — boolean array indexed by char value
   private static final boolean[] IS_IDENTIFIER_START = new boolean[128];
   private static final boolean[] IS_IDENTIFIER_PART = new boolean[128];
 
   static {
       for (char c = 'a'; c <= 'z'; c++) { IS_IDENTIFIER_START[c] = true; IS_IDENTIFIER_PART[c] = true; }
       for (char c = 'A'; c <= 'Z'; c++) { IS_IDENTIFIER_START[c] = true; IS_IDENTIFIER_PART[c] = true; }
       for (char c = '0'; c <= '9'; c++) { IS_IDENTIFIER_PART[c] = true; }
       IS_IDENTIFIER_START['_'] = true;
       IS_IDENTIFIER_PART['_'] = true;
   }
 
   public static boolean isValidIdentifier(String s) {
       if (s == null || s.isEmpty()) return false;
       char first = s.charAt(0);
       if (first >= 128 || !IS_IDENTIFIER_START[first]) return false;
       for (int i = 1; i < s.length(); i++) {
           char c = s.charAt(i);
           if (c >= 128 || !IS_IDENTIFIER_PART[c]) return false;
       }
       return true;
       // O(n) scan nhưng mỗi check = 1 array access (vs regex backtracking)
   }
}

// ✅ Arena-based allocation — deterministic deallocation, no GC pressure
import java.lang.foreign.*;
 
// Confined arena: memory freed khi close(), scoped to 1 thread
try (Arena arena = Arena.ofConfined()) {
   // Allocate 1MB off-heap buffer — no GC involvement
   MemorySegment buffer = arena.allocate(1024 * 1024);
 
   // Allocate structured data (like C struct)
   MemorySegment point = arena.allocate(ValueLayout.JAVA_DOUBLE, 2);
   point.setAtIndex(ValueLayout.JAVA_DOUBLE, 0, 3.14);  // x
   point.setAtIndex(ValueLayout.JAVA_DOUBLE, 1, 2.71);  // y
 
   // Allocate array of 10,000 doubles (contiguous, off-heap)
   MemorySegment prices = arena.allocate(ValueLayout.JAVA_DOUBLE, 10_000);
   for (int i = 0; i < 10_000; i++) {
       prices.setAtIndex(ValueLayout.JAVA_DOUBLE, i, computePrice(i));
   }
   // Process prices — data is contiguous, cache-friendly
   processContiguous(prices, 10_000);
 
}  // ALL memory freed instantly here — no GC, no finalizers, deterministic
 
// Shared arena: accessible from multiple threads
Arena shared = Arena.ofShared();
MemorySegment sharedBuffer = shared.allocate(4096);
// ... pass to multiple threads ...
shared.close();  // Free when done — thread-safe close
 
// Auto arena: memory freed by GC (like DirectByteBuffer, but safer API)
Arena auto = Arena.ofAuto();
MemorySegment managed = auto.allocate(1024);
// Freed khi GC thấy arena và các segment của nó không còn ai tham chiếu
// Không close() được (gọi sẽ ném UnsupportedOperationException)

// Scenario: Server xử lý 100K connections, mỗi connection cần read/write buffer
// Allocate/free ByteBuffer liên tục = expensive, fragmented
 
public class DirectBufferPool {
   private final int bufferSize;
   private final Queue<MemorySegment> pool;
   private final Arena arena;  // Long-lived arena for pool buffers
 
   public DirectBufferPool(int bufferSize, int poolSize) {
       this.bufferSize = bufferSize;
       this.pool = new ConcurrentLinkedQueue<>();
       this.arena = Arena.ofShared();
 
       // Pre-allocate all buffers in one large allocation (contiguous)
       MemorySegment bulk = arena.allocate((long) bufferSize * poolSize);
       for (int i = 0; i < poolSize; i++) {
           pool.offer(bulk.asSlice((long) i * bufferSize, bufferSize));
       }
   }
 
   public MemorySegment acquire() {
       MemorySegment seg = pool.poll();
       if (seg != null) return seg;
       // Pool exhausted — allocate new (should be rare if pool sized correctly)
       // Lưu ý: segment này sống tới khi shutdown() và sẽ vào pool khi release,
       // nên pool có thể lớn dần nếu thường xuyên cạn
       return arena.allocate(bufferSize);
   }
 
   public void release(MemorySegment seg) {
       // Zero-out for security, then return to pool
       seg.fill((byte) 0);
       pool.offer(seg);
   }
 
   public void shutdown() {
       arena.close();  // Free ALL pooled memory at once
   }
}

// CAS pseudo-code (thực tế là 1 CPU instruction):
// boolean CAS(address, expectedValue, newValue) {
//     if (*address == expectedValue) {
//         *address = newValue;
//         return true;   // Success
//     }
//     return false;      // Someone else changed it — retry
// }
 
// ✅ CAS-based stack (Treiber stack, lock-free)
// (Trong Java, GC giúp tránh bài toán ABA ở đây vì node cũ không bị tái sử dụng khi còn tham chiếu)
public class LockFreeStack<E> {
   private final AtomicReference<Node<E>> top = new AtomicReference<>(null);
 
   private static class Node<E> {
       final E item;
       Node<E> next;
       Node(E item, Node<E> next) { this.item = item; this.next = next; }
   }
 
   public void push(E item) {
       Node<E> newNode = new Node<>(item, null);
       Node<E> currentTop;
       do {
           currentTop = top.get();
           newNode.next = currentTop;
       } while (!top.compareAndSet(currentTop, newNode));
       // CAS loop: retry nếu another thread modified top giữa get() và compareAndSet()
       // Trong practice: retry rất ít lần (1-3) trừ extreme contention
   }
 
   public E pop() {
       Node<E> currentTop;
       Node<E> newTop;
       do {
           currentTop = top.get();
           if (currentTop == null) return null;  // Empty stack
           newTop = currentTop.next;
       } while (!top.compareAndSet(currentTop, newTop));
       return currentTop.item;
   }
}

// VarHandle: type-safe, performance-equivalent to Unsafe, legal API
// Thay thế sun.misc.Unsafe cho CAS operations
 
public class LockFreeCounter {
   private volatile long value;
 
   private static final VarHandle VALUE_HANDLE;
   static {
       try {
           VALUE_HANDLE = MethodHandles.lookup()
               .findVarHandle(LockFreeCounter.class, "value", long.class);
       } catch (Exception e) {
           throw new ExceptionInInitializerError(e);
       }
   }
 
   public long incrementAndGet() {
       long current;
       long next;
       do {
           current = (long) VALUE_HANDLE.getVolatile(this);
           next = current + 1;
       } while (!VALUE_HANDLE.compareAndSet(this, current, next));
       return next;
   }
 
   // Memory ordering options (từ weak → strong):
   // getOpaque()    — no ordering guarantees (fastest)
   // getAcquire()   — acquire semantics (reads after this see updates)
   // getVolatile()  — full volatile (sequential consistency)
 
   // setOpaque()    — no ordering
   // setRelease()   — release semantics (writes before this visible)
   // setVolatile()  — full volatile
 
   // weakCompareAndSet() — may spuriously fail (dùng trong loops anyway)
   // compareAndSet()     — strong, never spuriously fails
}

// Vấn đề: 2 threads write vào 2 biến khác nhau
// NHƯNG 2 biến nằm trên CÙNG cache line (64 bytes)
// → CPU phải invalidate cache line liên tục giữa cores = performance collapse
 
// ❌ False sharing: counters cạnh nhau trong memory
public class Counters {
   volatile long counter1;  // Core 0 writes
   volatile long counter2;  // Core 1 writes
   // Cả 2 fit trong 1 cache line (16 bytes << 64 bytes)
   // → Core 0 write invalidates Core 1's cache line (and vice versa)
   // → Có thể chậm đi nhiều lần so với khi 2 biến nằm ở 2 cache line riêng
}
 
// ✅ @Contended: JVM chèn padding để tách cache lines
// Annotation nằm trong jdk.internal → code ngoài JDK cần:
//   compile: --add-exports java.base/jdk.internal.vm.annotation=ALL-UNNAMED
//   runtime: -XX:-RestrictContended (không có flag này JVM bỏ qua annotation)
public class ContendedCounters {
   @jdk.internal.vm.annotation.Contended volatile long counter1;  // đặt trên từng field
   @jdk.internal.vm.annotation.Contended volatile long counter2;  // mỗi field được padding riêng
}
 
// Hoặc manual padding (không cần flag nào):
public class PaddedCounters {
   volatile long counter1;
   // Manual padding: 7 longs = 56 bytes → đẩy counter2 sang cache line khác
   long p1, p2, p3, p4, p5, p6, p7;
   volatile long counter2;
   // Cẩn thận: JVM được phép sắp xếp lại field trong cùng class.
   // Cách chắc hơn là padding qua kế thừa (field cha nằm trước field con),
   // kiểu các thư viện như JCTools/Disruptor đang làm. Kiểm tra bằng JOL.
}
 
// LongAdder đã solve false sharing internally — dùng nó thay vì tự padding
// Internally: Cell[] array với @Contended annotation trên mỗi Cell

// ✅ Loop mà JIT CÓ THỂ auto-vectorize:
// - Simple array operations
// - No method calls trong loop body
// - No branches (hoặc branch rất đơn giản)
// - Predictable loop bounds
 
// ✅ Vectorizable: element-wise addition
public static void addArrays(double[] a, double[] b, double[] result) {
   for (int i = 0; i < a.length; i++) {
       result[i] = a[i] + b[i];  // JIT: 4 additions per AVX2 instruction
   }
}
 
// ✅ Vectorizable: scalar multiplication
public static void scale(double[] arr, double factor) {
   for (int i = 0; i < arr.length; i++) {
       arr[i] *= factor;  // JIT: 4 multiplications per instruction
   }
}
 
// ❌ NOT vectorizable: method call in loop
public static void transform(double[] arr) {
   for (int i = 0; i < arr.length; i++) {
       arr[i] = customTransform(arr[i]);  // Method call blocks vectorization (trừ khi JIT inline được nó)
   }
}
 
// ❌ NOT vectorizable: data-dependent branch
public static void conditional(double[] arr) {
   for (int i = 0; i < arr.length; i++) {
       if (arr[i] > 0) arr[i] = Math.sqrt(arr[i]);  // Branch thường chặn SIMD
       else arr[i] = 0;
   }
}

// Khi auto-vectorization không đủ: Vector API cho explicit SIMD programming
import jdk.incubator.vector.*;
 
public class VectorMath {
   // Process 4 doubles at once (AVX2: 256-bit = 4 × 64-bit double)
   private static final VectorSpecies<Double> SPECIES = DoubleVector.SPECIES_256;
 
   // ✅ Explicit vectorized dot product
   public static double dotProduct(double[] a, double[] b) {
       int upperBound = SPECIES.loopBound(a.length);
       DoubleVector vsum = DoubleVector.zero(SPECIES);
 
       // Main loop: process 4 elements per iteration
       int i = 0;
       for (; i < upperBound; i += SPECIES.length()) {
           DoubleVector va = DoubleVector.fromArray(SPECIES, a, i);
           DoubleVector vb = DoubleVector.fromArray(SPECIES, b, i);
           vsum = va.fma(vb, vsum);  // Fused Multiply-Add: vsum += va * vb
           // 1 instruction = 4 multiplications + 4 additions
       }
 
       double result = vsum.reduceLanes(VectorOperators.ADD);
 
       // Tail loop: remaining elements (< 4)
       for (; i < a.length; i++) {
           result += a[i] * b[i];
       }
       return result;
   }
 
   // Speedup lý thuyết tối đa: ~4x vs scalar loop (4 lanes)
   // Với AVX-512 (SPECIES_512): tối đa ~8x (8 doubles per instruction)
   // Thực tế thấp hơn khi bị giới hạn bởi memory bandwidth; nên dùng
   // DoubleVector.SPECIES_PREFERRED để tự chọn độ rộng hợp với CPU
   // Lưu ý: cộng FP theo lane đổi thứ tự cộng → kết quả có thể lệch rất nhỏ so với loop thường
}