话题公司 › 京东

公司:京东

关联话题: JD

京东是中国最大的电子商务公司之一,成立于1998年。公司提供在线零售、物流配送、支付服务等一系列互联网服务。京东市场规模庞大,是中国最大的网络零售商之一。随着国内电子商务市场的不断发展和技术的不断提升,京东已经成为中国互联网行业的领导者之一。

京东商品图谱构建与实体对齐

本文将介绍商品图谱构建与表示、实体对齐等技术在电商领域的一些具体实践和应用。

浅谈京东电商商品文案挖掘难点与优化实践

在电商推荐中,除了推送商品的图片和价格信息外,文案也是商品非常重要的维度。本文将分享京东电商平台的电商商品文案挖掘的优化实践。

万字长文浅谈系统稳定性建设

本文主要从后端研发的视角针对研发阶段和上线阶段浅谈稳定性建设。

进程还在,JSF接口不干活了,这你敢信?

应用在配合R2m(R2M:京东内部一款基于Redis研发的,具备高性能、高可用、在线伸缩能力的分布式缓存服务)升级redis版本的过程中,上游反馈调用接口报错,RpcException:[Biz thread pool of provider has been exhausted],通过监控系统和日志系统定位到现象只出现在一两个节点,并持续出现。第一时间通过JSF(JSF:中文名-杰夫,是Jingdong Service Framework (京东服务框架)的缩写,完全自主研发的高性能服务框架)将有问题的节点下线,保留现场,业务恢复。

生成式推荐系统与京东联盟广告-综述与应用

这篇文章从生成式推荐系统和京东联盟广告的背景入手,首先引出两者结合的动因与策略,随后对当前的流程和方法进行了细致的回顾与整理,最后详细介绍了在京东联盟广告领域的应用实践。通过深入分析与案例展示,希望为广告领域的推荐系统带来新的见解和启发。

京东到家订单交易架构演化

交易系统可能不是技术难度最深的,但是业务复杂度最高的,一个订单从提交到最后真正生产成功要经历几十个系统,涉及的接口交互,MQ等可能达上百个。任何一个环节出问题都会导致这一单的异常,而且交易不像单纯的资讯门户可以靠静态化或者缓存抗住大并发,交易系统里面涉及到大量的资源(库存,优惠券,优惠码等)消费,订单生成等需要写入持久化的操作不是单纯的异步或者缓存化可以解决的,而且对库存等敏感信息不能出现并发扣减等。

细节的设计非常多,下面挑出比较典型的一些方面,给大家介绍下京东到家交易系统的架构设计和关键问题的处理方案。

利用大模型服务一线小哥的探索与实践

大模型带来了新的方法来解决小哥提出的问题、遇到的异常、需要的支持,并提供帮助网点管理者进行运营和经营管理的工具。

记录一次使用easypoi时与源码博弈的过程

最近在使用保险一线之声平台时遇到了导出Excel功能无法正常使用的问题。经过排查发现是版本兼容性的问题,具体是两个包中的CTFont类实现方式不同。为了解决问题,经过验证和调试后确定将项目的依赖配置为easypoi 4.5.0和apache-poi 4.1.1版本,问题得到了彻底解决。

供应链大屏设计实践

本文描述了物流供应链业务较复杂的业务场景下,结合大数据计算相关技术,总结了实时监控大屏指标建设和服务构建的框架和经验,为后续其他核心大屏的高可用和高实时性建设提供建设思路。

Lombok注解引发的空指针问题分析

凡是依赖JDK Introspector获取类set方法描述的工具类、组件都会受到其写入方法定义导致的一些列问题。

京东零售的指标中台建设

本文将分享京东零售在指标中台建设方面的实践经验。京东指标中台依据现代数据栈、Headless BI、数据虚拟化和数据编织等方法论,并结合自身了多运营模式,多运营视角,多数据维度等业务特点,构建了从指标定义到指标生产再到指标消费的全链路解决方案。指标中台技术不仅仅是一个技术实现,更是一种组织和管理数据的战略思维。指标中台技术是企业在数字化转型过程中的一种重要策略,它通过构建共享平台来整合企业的核心能力,从而提升业务效率和市场响应速度。随着技术的发展和市场的变化,中台技术将继续演进,为企业带来更多的创新和价值。

大模型技术及趋势总结

本篇文章希望帮助大家对大模型的本质、技术和发展趋势有简单的了解。

大模型助力国际术语专业化,前后联动实现所见即所得

国际系统当前的多语言是国际业务的普遍特点,仅仅仓储管理系统,当前系统语言种类已经达到了九种,并且随着业务的开展还在不断的扩展,现有的国际系统支持的语言有中文、英语、日语、韩语、葡萄牙语、西班牙语、法语、德语、越南语。其中每个语言包的词条都有上万条,且随着新需求的开发迭代也在不断的新增,语言包的不断扩展和词条的不断增加,词条翻译的简洁性、专业性和时效性就直接影响了业务的开展和需求的交付速度,迭代的完成效率。

redis在京东到家的订单中的使用

在京东到家的应用场景中,除了之前提到的订单列表的存储结构、数据一致性保证和分布式锁之外,还使用了redis的缓存防穿透。为了实现分布式锁,文章提供了两种实现方式。第一种方式是使用set命令设置锁,并设置过期时间,如果设置失败则返回false。第二种方式是使用setNX命令设置锁并设置过期时间,如果设置失败则返回false。在具体的应用场景中,通过调用getLock方法获取锁,然后执行相关操作,并在最后使用unLock方法解锁。然而,如果在设置锁的过程中出现异常或系统崩溃导致解锁失败,锁可能会永远留在缓存中,导致其他线程无法获取锁。因此,需要采取额外的措施来防止这种情况发生。

大模型在推荐系统中的精准推荐策略与实践

本文将探讨大模型在推荐系统中的精准推荐策略与实际应用,并通过具体案例深入分析其在电商平台中的实践和效果。

ClickHouse在京东能源管理平台的实践

京东综合能源管理平台多维数据分析引擎的架构和设计。

Accueil - Wiki
Copyright © 2011-2024 iteam. Current version is 2.129.0. UTC+08:00, 2024-07-09 03:20
浙ICP备14020137号-1 $Carte des visiteurs$