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。

云电脑:快速部署无限制、可联网、带专属知识库的私人 DeepSeek 大数据模型

本文探讨了如何利用京东云电脑快速部署私人DeepSeek大数据模型,并详细介绍了本地部署的优势,如降低成本、保护数据隐私、提升性能等。通过Ollama服务搭建和模型运行步骤,读者可以轻松实现DeepSeek模型的本地化应用。此外,还介绍了如何利用Cherry Studio和Page Assist等工具构建本地知识库,并实现模型的联网功能,满足多样化需求。

京东广告基于Apache Doris的冷热数据分层实践

Doris冷热分层方案历经V1数据湖和V2分布式存储两代演进。V1通过SDC将冷数据入湖,实现查询解耦,但存在ETL复杂、Schema变更受限等问题。V2基于分布式存储,支持冷数据自动迁移,简化了架构,但需限流冷查询。升级至Doris 2.0后,解决了查询性能下降、分桶裁剪失效、FE CPU使用率高等问题,优化了冷数据Schema Change,提升了并发查询能力和存储效率,显著降低了成本。

硅基流动+Cherry Studio‘0天然全科技’快速搭建DeepSeek满血版

DeepSeek火爆但常遇服务器繁忙,本地部署受限于硬件。推荐通过硅基流动和Cherry Studio在线体验满血版,无需高配电脑。新用户注册可得2000万tokens,支持多种模型切换,包括DeepSeek-R1和图像生成模型。Cherry Studio支持私域部署,确保对话信息本地存储,保护隐私。简单几步即可搭建高效、安全的AI助手。

1秒响应、90%决策准确率!京东商家智能助手的技术探索

京东商家智能助手通过基于大语言模型的Multi-agent系统,提供7x24小时的电商经营支持。该系统采用多智能体协同技术,实现从商品发布到数据分析全流程智能化操作,决策准确率超90%。通过ReAct范式动态规划和分布式协作,提升规划效率和架构稳定性,显著降低推理成本。商家助手在电商领域展示了多智能体与大模型结合的潜力,为行业智能化协作提供新方向。

浅谈团队如何做好系统稳定性

稳定性建设需要全方位的团队协作和机制保障。通过方案评审、架构设计、代码规范等流程来减少人为因素导致的故障。SRE角色结合开发和运维,注重快速响应和风险评估,积极推动机制落地和风险预防。识别大促期间高并发和业务场景的特殊需求,提前演练确保稳定性。像扁鹊三兄弟一样,SRE需在事前、事中、事后各阶段主动识别和解决问题,保障系统健康。

从人工到自动化到AIOps再到ChatOps:大模型在运维领域的应用

在信息技术迅速发展的背景下,运维工作正从人工操作转向自动化、AIOps和ChatOps。自动化运维提高效率,减少错误;AIOps利用机器学习处理海量数据,预测故障;ChatOps让运维任务在聊天平台上执行。大模型的应用增强了运维智能化,如自动化问题诊断、智能日志分析等,显著提升了运维效率和系统稳定性,为企业信息系统的稳定运行提供保障。

一次线上生产库的全流程切换完整方案

本文详细描述了从MongoDB到其他数据源(如JImKV、MySQL、ES)的迁移方案。步骤包括梳理业务范围、改造DAO层、实现数据双写、进行数据迁移和同步。上线过程需确保系统具备可监控、可回滚和可灰度的能力,以实现平滑切换。关键在于选择合适的中间件和设计模式,确保不影响当前业务逻辑。通过代码异步任务和大数据抽数任务,两种方式进行存量数据迁移,并详细探讨了上线后的监控和回滚策略。

高并发场景下的库存管理,理论与实战能否兼得?

秒杀场景中的库存扣减问题需解决高并发带来的数据一致性挑战。常规方法如数据库加锁和缓存机制在高并发下难以有效。优化方案是将库存操作模块化,围绕Redis进行,并通过异步流程更新MySQL,提高并发能力。为进一步提升,采用分片和动态库存注入策略,结合调度器管理,实现水平扩展,确保系统高效稳定。

物流KA商家业务监控能力建设与实践

在业务监控中,系统级异常通常与业务级异常高度相关,但业务异常未必总伴随系统异常。这种滞后导致问题发现依赖用户反馈,影响严重。通过统一日志和告警配置,提升实时监控能力。泰山平台提供了丰富的日志格式和告警规则,帮助快速识别问题并优化流程,确保技术与业务同步,提升系统稳定性和用户体验。

品牌标识管理之一:品牌命名的原理、策略与流程

品牌管理中,品牌命名、品牌口号、品牌标识等是品牌创建的关键工作,对品牌是否成功起着至关重要的作用。本次将分篇章依次分享品牌名称、品牌口号和品牌标识管理的理论/策略/流程等,首篇聚焦于品牌命名。

京东广告生成式召回基于 NVIDIA TensorRT-LLM 的推理加速实践

推荐系统的主要任务是根据用户的历史行为预测其兴趣点,并向其推荐相应的商品。传统的推荐系统在处理用户请求时,会触发多个召回模块(包括热门商品召回、个性化召回、深度召回等),以召回大量候选商品。

递归算法实践--到仓合单助力京东物流提效增收

京东物流到仓业务「对商家」为了减少商家按照京东采购单分货备货过程,对齐行业直接按照流向交接,提升商家满意度;「对京东」揽收操作APP提效;到仓合单功能应运而生。

京东保险供应链的前世今生

保险供应链系统的建设,从零基础,到保险公司覆盖率第一的技术平台,经历了一个漫长且艰辛的历程...…

gRPC-第二代rpc服务

在如今云原生技术的大环境下,rpc服务作为最重要的互联网技术,蓬勃发展,诞生了许多知名基于rpc协议的框架,其中就有本文的主角gRPC技术。

代码之美:聊聊代码整洁之道

代码之美有很多方面,可以谈高级编程语言以及各语言的框架/类库,也可以聊算法和数据结构,还可以谈操作系统内核或是层出不穷的中间件,不过这里我们看最不起眼的代码整洁之道。

「数据密集型应用系统设计」读后感与团队高并发高性能实践案例

分布式数据系统面临一致性、可用性、分区容错性等挑战,主从复制通过读写分离和数据容灾提高可靠性,MySQL和Redis的主从复制机制各有特点。分区算法包括取模、Hash和一致性Hash,Redis集群通过槽位定位提高扩展性。大Key和热Key带来性能问题,通过重构和优化解决。扩容策略、分库分表、缓存治理是提升系统性能和可靠性的关键。

首页 - Wiki
Copyright © 2011-2025 iteam. Current version is 2.142.0. UTC+08:00, 2025-02-13 04:39
浙ICP备14020137号-1 $访客地图$