ITPub博客

作者：京东物流 韩嘉星一、问题描述JaCoCo是一款被广泛应用于公司内部的开源覆盖率工具，将其引用至测试环境后，机器启动正常，但在操作下单时出现异常，阻塞下单流程。去除JaCoCo配置、重新编译和部署后下单功能恢复正常。堆栈信息显示，问题源于系统对请求字段进行加密时出现异常，因为无法完成类型转换抛出异常，“[Z cannot be cast to [Ljava.lang.Object”，从而阻塞下

作者：京东科技 曹留界一、监控系统概览监控系统在现代技术环境中扮演着至关重要的角色。运营同学每天检查自己的活动数据，研发人员每天检查系统各项指标是否正常，这些工作都少不了监控系统的身影。通常来讲，监控系统包括数据采集、数据计算、数据存储、数据可视化及监控预警等功能。本文主要介绍数据计算部分。二、实时计算流数据实时计算是一种处理和分析实时数据流的技术，它允许企业从连续生成的数据（如日志文件、传

一、前言优秀的广告创意不仅能够增强信息传递的效果，还可以提高用户的点击和转化率。2023年广告团队利用AIGC技术显著提升了创意内容的多样性。然而随着多样性的提升，质量欠佳的素材限制了智能创意的覆盖率，海量创意如何匹配用户的问题更加凸显。2024年广告团队在创意生成和优选方面进行了技术突破，实现了高质量广告创意的自动生成和千人千面的创意推荐效果。创意生成方面，广告团队提出了一种提高生成图片可用率的

自LLM在自然语言处理等领域取得了瞩目成就之后，学术界积极探索生成式模型对搜广推系统的增强或改进方式[1]，现有工作大体可以分为两类[2]：（1）用大模型做数据和知识增强、提取表征、通过prompt将推荐转成对话驱动的任务等，本质上没有修改LLM，属于信息增强和补充方法，无法直接建模海量协同信号。 （2）修改LLM直接建模搜广推海量数据中的协同信号，对输入输出范式改造，通过预训练/微调等过程建模海

作者：京东物流 张媛1、大模型的概念大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过

作者：京东零售 刘潇蔓全篇将从4个方面为大家系统介绍，我们如何使用AI,在运营活动中使用技法提质提效的…1、AI在运营设计中的优势2、典型应用场景&案例3、AI工具核心关键词公式4、避坑指南：AI落地问题

WWW2025: CTR-Driven Advertising Image Generation with Multimodal Large Language Models论文链接：https://arxiv.org/pdf/2502.06823代码链接：https://github.com/Chenguoz/CAIG摘要：在电商平台中，广告图片对于吸引用户注意力和提高广告效果至关重要。大

最近，京东正式宣布进军外卖业务，迅速引发了广泛关注。当大家满心期待着品尝到更多美食、享受更便捷服务时，不知道是否留意到一个技术细节：未来在京东外卖的订单页面，骑手送餐的实时位置将被精准呈现，从商家取餐，再到穿梭在大街小巷，直至把美味热乎地送到你手中，这一系列行程都会通过一条清晰的轨迹动态展示。这一贴心功能的背后，便是地图轨迹技术在默默发力。在数字化浪潮的席卷下，地图轨迹的应用早已渗透进生活的

背景概括：供应链大屏做为物流的核心报表，为管理者提供大促决策时的依据。页面指标超过170+，依赖接口30+，复杂度较高，数据链路较长，同时稳定性要求高。本文将分享供应链大屏是如何保障双11供应链大屏的稳定性。一，供应链大屏全链路流程图保障的首要步骤是绘制供应链大屏全链路流程图。在梳理出概览图之后，深入指标加工的各个细节去发现问题，然后是因地制宜的制定保障方案。下边是梳理的供应链大屏加工的全流程图，

你是否曾经遇到过浏览器突然卡顿，甚至崩溃的情况？尤其是在打开多个标签页或运行复杂的网页应用时，浏览器似乎变得异常脆弱。这种崩溃的背后，往往与内存管理息息相关。浏览器的内存管理机制决定了它能否高效地分配和释放资源，而 JavaScript 引擎 V8 正是这一机制的核心。本文将探讨 V8 的内存管理机制，帮助你理解浏览器崩溃的根源，并学会如何优化内存使用，避免类似问题的发生。一、内存管理底层语言（如

概述在物流系统相关的大屏中，供应链大屏复杂度较高，数据链路较长，稳定性要求较高，当前大屏已经经过2年时间的打磨，整体表现已经相对比较成熟稳定。本文描述了物流供应链业务较复杂的业务场景下，结合了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。以下几点需要重点关注：1、基于Flink的数据加工链路和OLAP的数据分析引擎基于目

前言在日常调试问题中，相信我们很多人都是用console去排查相关的问题，虽然问题也可以排查出来，但是有时它的效率并不高。这篇文章主要讲解关于断点和一些日常调试技巧的内容，方便你在日后调试问题中，能在不同的前端场景应用不同的调试方式，翻倍提高你解决问题的效率1 sources面板概览source面板是我们断点调试经常用的到的地方，我们可以先大概认识一下它长什么样子，大概有什么功能•左侧区块：包

前言在单机环境中，我们主要通过线程间的加锁机制来确保同一时间只有一个线程能够访问某个共享资源或执行某个关键代码块，从而防止各种并发修改异常。例如，在Java中提供了synchronized/Lock。但是在分布式环境中，这种线程间的锁机制已经不起作用了，因为系统会被部署在不同机器上，这些资源已经不是在线程间共享了，而是进程之间共享资源。为了解决这个问题，分布式锁应运而生。本文将详细解析分布式锁的原

前言本文主要提供了一种单元测试方法，力求0基础人员可以从本文中受到启发，可以搭建一套好用的单元测试环境，并能切实的提高交付代码的质量。极简体现在除了POM依赖和单元测试类之外，其他什么都不需要引入，只需要一个本地能启动的springboot项目。目录1.POM依赖2.单元测试类示例及注解释义3.单元测试经验总结一、POM依赖Springboot版本: 2.6.6<dependency>

一、引言：AI时代的挑战与DeepSeek的崛起   在大模型时代，AI技术的飞速发展带来了前所未有的机遇，但也伴随着巨大的挑战。随着模型规模的不断扩大，算力需求呈指数级增长，训练成本飙升，而性能提升的边际收益却逐渐递减，形成了所谓的“Scaling Law”瓶颈。与此同时，OpenAI、谷歌等巨头通过闭源策略垄断技术，限制了中小企业和研究机构的参与空间。在这样的背景下，Dee

DeepSeek作为人工智能领域的新星，正以其惊人的性能和广泛的应用场景迅速走红。其火爆的现状得益于多项关键技术的突破，如强化学习框架的采用、高效的显存占用优化以及极低的训练成本。这些技术优势使得DeepSeek在性能上超越了众多同类模型，同时保持了极高的性价比。DeepSeek的崛起反映了市场对高效、低成本AI解决方案的迫切需求，同时其开源策略和友好的开发者生态也推动了大规模的参与热潮，可以看到

🧭 概述京东云前端团队与Relay设计平台团队进行联合共建，通过提出C2D2C（Code to Design to Code）模式 ，将云事业部Mobius Design System 设研资产打通，实现“一套资产，双向流动”，进一步解决设计师精力分散，版本代差问题和D2C效果有限的问题。🕵️ 起因京东云前端 业务组件库 去年快速发展，积累了 140+ 个业务组件，供各

作者：京东零售 李泽阳接触MySQL数据库的小伙伴一定避不开索引，索引的出现是为了提高数据查询的效率，就像书的目录一样。某一个SQL查询比较慢，你第一时间想到的就是“给某个字段加个索引吧”，那么索引是什么？是如何工作的呢？一起静下心来，耐心看完这篇文章吧，干货不啰嗦，相信你一定会有所收获。一、索引模型模型也就是数据结构，常见的三种模型分别是哈希表、有序数组和搜索树。了解MySQL的朋友已经知道，现

作者：京东零售 姬广滕一、调度系统简介Buffalo调度是一款京东自主研发的分布式DAG作业调度系统。为京东的数据开发工程师、算法工程师、数据分析师等用户提供了离线作业的编排&调试、监控运维、DAG调度等系统能力，致力于打造行业领先的稳定高效、产品简洁高体验、任务监控全面、资源容器化、系统能力开放化的ETL调度系统。在京东调度系统核心面临的挑战有以下几个：1.业务复杂带来的依赖关系复杂：复

作者：京东物流 刘微微背景我们的很多web应用在持续迭代中功能越来越复杂，参与的人员、团队不断增多，导致项目出现难以维护的问题，这种情况PC端尤其常见，微前端为我们提供了一种高效管理复杂应用的方案。但是在使用微前端的过程中，通常会有一些公共方法或公共组件，本文将对如何实现父子应用以及兄弟应用之间进行方法及组件共享提出几种解决方案以及其各自优缺点及适用场景模块联邦（Module Federation