在自动化测试实践中，测试数据是制造测试场景的必要条件，本文主要讲述了在沟通自动化框架如何分层，数据如何存储，以及基于单元测试pytest下如何执行。并通过实践案例分享，提供数据驱动测试的具体落地方案。

在计算机领域，涉及性能优化动作时首先应被考虑的原则之一便是使用缓存，合理的数据缓存机制能够带来以下收益：

1）缩短数据获取路径，热点数据就近缓存以便后续快速读取，从而明显提升处理效率；

2）降低数据远程获取频次，缓解后端数据服务压力、减少前端和后端之间的网络带宽成本；

从 CPU 硬件的多级缓存设计，到浏览器快速展示页面，再到大行其道的 CDN、云存储网关等商业产品，处处应用了缓存理念。

在公网领域，如操作系统、浏览器和移动端 APP 等成熟产品所具备的缓存机制，极大的消解了网络提供商如电信移动联通、内容提供商如各大门户平台和 CDN 厂商直面的服务压力，运营商的 DNS 才能从容面对每秒亿万级的 DNS 解析，网络设备集群才能轻松承担每秒 Tbit 级的互联网带宽，CDN 平台才能快速处理每秒亿万次的请求。

面对公司目前庞大且仍在不断增长的的域名接入规模，笔者所在团队在不断优化集群架构、提升 DNS 软件性能的同时，也迫切需要推动各类客户端环境进行域名解析请求机制的优化，因此，特组织团队成员调研、编写了这篇指南文章，以期为公司、客户及合作方的前端开发运维人员给出合理建议，优化 DNS 整体请求流程，为业务增效。

本文主要围绕不同业务和开发语言背景下，客户端本地如何实现 DNS 解析记录缓存进行探讨，同时基于笔者所在团队对 DNS 本身及公司网络环境的掌握，给出一些其他措施，最终致力于客户端一侧的 DNS 解析请求规范化。

京东推出水滴表格Drip Table 2.0版本，包含生成器交互升级，底层架构优化、新增表格编辑能力、新增切换卡片布局和可视化搭建能力增强等。欢迎小伙伴们一起使用共建表格开源项目。

本文主要介绍基于shardingproxy对大数据的迁移实践过程。通过本文读者可以对数据迁移全流程有一定了解，其中重点记录了shardingproxy全流程的搭建，对想要了解和即将要做数据迁移的读者们有一定的帮助意义。

我们在开发应用后端系统的时候经常要和各种数据库、缓存等资源打交道。这一期，我们聊聊如何访问redis 并将资源池化。

在日常工作中，设计师常常会听到产品、运营等同事吐槽“高度太高了”、“留白太多了”，为什么他们会关注高度留白？会影响到什么他们关心的实际上是如何提高屏效。下文将说说如何合理提升线上卖场屏效。

本文将详细阐述，达达平台业务前端如何将达达快送小程序评测结果由“差”优化至“优秀”。

基于T级互动游戏特点，从用户体验视角从“怎么玩、持续玩、有多种玩法可玩”三个方面探讨关于调动用户参与积极性、提升游戏体验感、助力业务指标的设计思考。

本文介绍了Redis数据倾斜的相关概念，并讲解了Redis数据倾斜的原因以及应对方案，对热点问题进行了深入探讨；其次从client端、worker端、dashboard端全方位讲解了热key问题的解决方案，详细解析了JD开源项目hotkey，读者可以从本文中学到相关的方法论及其对应的落地方案。

本文重点介绍了京东科技在权益营销上面的最佳技术实践，京东科技营销权益平台承接了各个业务线的营销职能，并在长期的业务和技术探索中沉淀了丰富的架构设计经验，总结归纳出涵盖权益创建、权益投放、权益核销、权益安全管控及权益费用管理一整套的营销权益解决方案，该方案经过不断迭代更新，已支撑了京东科技各个业务千亿级规模的增长。

随着前端技术发展，已经转变为数据绑定为主流的框架方式，与后端服务一样，前端代码实现也会涉及相互依赖，引用这些场景，那么应该如何准确的评估前端代码改动的影响范围？依赖开发评估？依靠经验评估？或者直接前端自动化全回归？手工测试全回归？显然以上的策略都不是最优策略，本文叙述了通过对前端代码进行静态分析，找到改动文件影响的功能范围，从实现了一种前端精准测试的思路。

以Clickhouse+Flink实时计算+智能算法为核心架构搭建的风险洞察平台，建立了全面的、多层次的、立体的风险业务监控体系，已支撑欺诈风险、信用风险、企业风险、小微风险、洗钱风险、贷后催收等十余个风控核心场景的实时风险监测与风险预警，异常检测算法及时发现指标异常波动，基于根因策略快速做到风险归因分析并生成风险报告，接入MQ主题500+、数据模型6000+、实时预警4000+、 风险监控看板1000+、 异常检测模型10000+, 大促时期分钟级消息处理量达3400w/min，日均消息处理量达百亿。

指多个对象间存在一对多的依赖关系，当一个对象的状态发生改变时，所有依赖于它的对象都得到通知并被自动更新。这种模式有时又称作发布-订阅模式、模型-视图模式，它是对象行为型模式。

JDEasyFlow是企业金融研发部自研的通用流程编排技术组件，适用于服务编排、工作流、审批流等场景，该组件已开源(https://github.com/JDEasyFlow/jd-easyflow)，目前在部门的内部业务系统和科技输出系统中广泛应用，其他部门也有使用。

它的特点是简单、灵活、易扩展，开发人员一般30分钟可入门上手，半天可掌握其原理。它分为一个核心模块和若干扩展模块，模块之间松耦合，开发使用时可按需选择、快速集成、渐进式应用，同时支持JSON内置规范和BPMN规范。

在安全运营工作中，漏洞自动化检测和威胁流量的识别方面显得尤为重要，依据模拟攻击中的漏洞利用，通过漏洞分析，提取对应的漏洞有效利用载荷（payload），形成规则库。本篇文章主要介绍到家基于漏洞的利用实现安全检测能力的建设实践。

风控智能化体系建设依赖大量深度学习/机器学习模型进行实时在线的风险识别、智能决策。要求可以将算法模型快速部署为在线服务，供决策引擎调用。

风控决策引擎涵盖交易、支付、营销等核心链路，业务场景对决策系统性能要求极高，平均tp99<50ms。要求算法模型实时服务在高吞吐量下，仍能满足性能要求。

精细化运营大背景下，算法模型服务需要支持大促不降级，且不能通过野蛮加机器方式提高吞吐量。要求从技术及架构层进行改进，对算法模型在线推理性能有质的提升。