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。

微前端在海外商城的应用实战

提升京东海外商城整体用户体验,适用跨团队的协同开发,提供一套架构来明确系统之间的依赖和边界;此方案已经应用到了印尼M端购物车、结算页、订单等核心模块中;本文将会从背景、问题分析、方案设计、应用接入、总结五个方面全面解析微前端在商城的使用。

京东购物车分页方案探索和落地

购物车分页,既要最大限度节约成本、又要保证不影响业务转化、还要保证用户体验无影响,并不是大家想象的那么简单!

文盘Rust -- struct 中的生命周期

最近在用rust 写一个redis的数据校验工具。redis-rs中具备 redis::ConnectionLike trait,借助它可以较好的来抽象校验过程。在开发中,不免要定义struct 中的某些元素为 trait object,从而带来一些rust语言中的生命周期问题。

京东到家埋点治理实践

随着数据的精细化分析,埋点的可用性、准确率是业界一直在攻克的难题。本文主要讲解京东到家在治理埋点数据、提高埋点数据质量工作中的一些实践经验。

通天塔页面搭建提效揭秘:设计稿自动生成楼层

打破固有研发壁垒,提升平台能力,打通设计稿到楼层生产的线上化链路,一键精准还原设计稿,0代码,低门槛,让用户可以成为楼层样式的生产者。

5 种瀑布流场景的实现原理解析

瀑布流,是比较流行的一种网站页面布局,视觉表现为参差不齐的多栏布局,随着页面滚动条向下滚动,这种布局还会不断加载数据块并附加至当前尾部。

一条sql了解MYSQL的架构设计

对于一个服务端开发来说 MYSQL 可能是他使用最熟悉的数据库工具,然而,大部分的Java工程师对MySQL的了解和掌握程度,大致就停留在这么一个阶段:它可以建库、建表、建索引,然后就是对里面的数据进行增删改查,语句性能有点差?没关系,在表里建几个索引或者调整一下查询逻辑就可以了,一条sql,MYSQL是如何处理的,为我们做了什么,完全是个黑盒。本文主要通过sql执行的过程打破这样一个黑盒的认知,来了解MYSQL的逻辑架构。

万字长文解析Redis数据倾斜与JD开源hotkey源码分析

之前旁边的小伙伴问我热点数据相关问题,在给他粗略的讲解一波redis数据倾斜的案例之后,自己也顺道回顾了一些关于热点数据处理的方法论,同时也想起去年所学习JD开源项目hotkey——专门用来解决热点数据问题的框架。在这里结合两者所关联到的知识点,通过几个小图和部分粗略的讲解,来让大家了解相关方法论以及hotkey的源码解析。

跨国文化的设计研究方法

在跨国项目中,如何利用京东已有的成熟产品经验,做海外国家的本土化落地;如何判断目标国家和我们国家的文化价值观差异;如何找到适合本地市场的设计思路?本篇主要探讨跨国文化的设计研究方法。

秒杀频道矩阵设计思考

矩阵式产品应该如何设计呢?本文由秒杀频道矩阵的特点切入,并阐释了关于秒杀频道矩阵设计的三点思考,希望能为同类型产品的设计提供借鉴思路。

浅谈竞品分析——以终为始的思考方式

如何通过竞品分析提炼有效信息,为业务或设计决策提供强有力的支撑?文章主要介绍将用户体验五要素和表格对比法相结合的方式,系统阐述竞品分析的思路。

京东开源NutUI 3.0 Drag组件设计与实现

Drag组件是即将发布的京东开源NutUI 3.0的一个拖拽组件,让我们一起来看看是如何实现的吧。

TURF分析:如何用最少的资源覆盖最大的市场

TURF分析,也称累计不重复到达率和频次分析,是一种研究如何组合资源以达到最大市场覆盖的方法。

达达快送APP埋点日志框架升级实战

随着公司业务的快速发展,埋点数据在业务分析中越来越重要,历史上达达快送的埋点数据一直存在问题,所以需要去对现行埋点框架进行重构。

埋点框架现状为:由业务方触发埋点,开启异步线程,经过数据组装处理后入库同时进行上报,上报结束后捞取数据库中剩余所有埋点的一半再次上报,不对埋点数量进行检查,也不管被捞取的埋点是不是正在上报的埋点,如此循环,且埋点文件分散在多个模块中,相互调用。

iOS 16.1(20B5045d)导航栏崩溃问题解决实录

9.16号Apple发布了iOS 16.1的第一个Beta版本,截止9.18日京东APP 的单日用户已达4w+。新版本发布后,我们崩溃监控系统监控到了在16.1版本出现了大量导航栏相关的崩溃,崩溃量排到第一,这里介绍下此崩溃问题的解决过程。

PostgreSQL逻辑复制解密

在数字化时代的今天,我们都认同数据会创造价值。为了最大化数据的价值,我们不停的建立着数据迁移的管道,从同构到异构,从关系型到非关系型,从云下到云上,从数仓到数据湖,试图在各种场景挖掘数据的价值。而在这纵横交错的数据网络中,逻辑复制扮演着极其重要的角色。

让我们将视角从复杂的网络拉回其中的一个端点,从PostgreSQL出发,对其逻辑复制的原理进行解密。

- 위키
Copyright © 2011-2024 iteam. Current version is 2.137.1. UTC+08:00, 2024-11-15 03:12
浙ICP备14020137号-1 $방문자$