“京东11·11全球好物节，90%仓配订单当日或次日达”，京东物流的快是众所周知的，作为京东供应链管理最重要的一环，背后都有哪些技术系统在支撑呢？它们在本次京东11·11全球好物节都做了哪些准备支撑呢？
松哥原创的 Spring Boot 视频教程已经杀青，感兴趣的小伙伴戳这里-->Spring Boot+Vue+微人事视频教程
HotKey在618稳定版0.2版基础上，引入了protobuf序列化方式，并优化了传输对象。
有赞致力于成为商家服务领域里最被信任的引领者，因为被信任，所有我们更需要为商家保驾护航，保障系统的稳定性。有赞从去年开始通过全链路压测，模拟大促真实流量，串联线上全部系统，让核心系统同时达到流量峰值：
618大促来临，在零点的时候，你打开购物车、点点点、清空，整个过程一气呵成。但背后，成千上万的数据在马不停蹄、加速流转，以保障消费体验流畅有序。 腾讯云和数据库服务是背后默默守护的“无名英雄”。电商订单、支付、物流等核心链路，都是以数据库为基础。一旦数据库成为瓶颈、或任何细微的疏忽，整个618大促将会变成一个大型“灾难现场”。 一场电商大促，涉及到的数据量有多大？ 以一个消费者的购买过程为例，一次下单行为，对于后端数据库就有多次读写调用；如果是秒杀场景就会产生“热点更新”的问题，更是对数据库内核优化能力
3300万IOPS、39微秒响应延迟、99.999999%可靠性、4:1数据空间缩减率、碳足迹认证……
京东快速发展的同时，应用规模、数据中心以及机器的规模都同步倍增，在面对如此大规模的机器，应运而生了京东数据中心操作系统（JDOS，JingdongDatacenter OS）。历经多年时间的技术沉淀与发展，JDOS不仅仅作为京东数据中心操作管理资源，更作为京东统一的PaaS平台致力于支撑业务系统快速交付、稳定运行，基础中间件托管提升基础平台敏捷交付。尤其是线上运行的阿基米德系列系统，将应用于实现京东商城数据中心资源智能调度，支撑在线业务系统与大数据计算混合部署融合计算，并节约采购成本。而每一次的11.11都是对JDOS系统的一次检验和挑战，经过无数次的紧张演练，问题排查，系统升级优化，服务应用快速交付；从容支撑大促高峰流量，保障了业务的高速发展。
Weiyi，携程资深数据开发，关注大数据相关技术，对大数据实时计算、流批一体等方面有浓厚兴趣；
随着产品复杂度的提升和微服务架构的流行，一个业务系统背后的数据存储系统也越来越复杂。
今年的618气氛有点冷，各大互联网公司也没有像以往一样大肆宣传，到目前为止还不清楚今年618的各种数据，我们作为程序员比较关心的肯定是618各大电商后端的技术，比如每年峰值成交订单，印象中电商大促并发峰值还停留在前年天猫双十一峰值处理订单58.3万笔每秒。 不知道今年最终公布的数据如何，可以想到的是，在大促之前各大公司对自己内部系统一定是做了大规模优化的，这里说的优化不是说单纯的增加云服务器，而是对系统的各个维度，比如： Java应用层，底层JVM，缓存层(Redis)、数据库层(Mysql)，中间件层，网
本文主要是整理博主收集的 Flink 高频面试题。之后每周都会有一篇，助力大家拿下面试。
双十一的时候，各大电商的流量都是很大的，过年时候火车票也都是秒光，这些流量是可以提前预测的，可以提前加服务器，还有些流量无法提前预测，像微就博承受了太多压力，饭圈突然就来一个热点新闻，比如xxx pc被抓、xxx宣布离婚、xxx公布恋情。。。大家都懂的。
一个无数工程师的女朋友钦定的男朋友，公开恋情的直接受害者居然还是工程师，宿命的轮回啊……这是上市公司私有化引发的股民恐慌，更是娱乐圈向技术圈的悍然入侵。网络洪峰如此可怕，抗洪抢险责任重大，让我们近距离观摩一下，技术圈复联如何筑起高可用大堤。 微博如何应对流量“暴击” 现在有越来越多的人选择用微博这一社交网络平台来公布消息，那么微博要如何应对众多的流量“暴击”呢？下面让我们一起来看一下。 1.对大规模、高负载系统问题的排查方法 微博主要面对的是高并发、大数据量、高负载的业务压力，并且伴随着热点事件会有突发
一年一度的双十一又双叒叕来了，给技术人最好的礼物就是大促技术指南！ 而经过这些年的发展，大促早已不仅仅局限于电商行业，现在各行各业其实都会采用类似方式做运营活动，汽车界有 818，电商有 618 、11.11 等等，各种各样的大促场景，对包括数据库在内的基础软件提出了很多新挑战，同时也积累了诸多最佳实践。
在开始文章之前，我们先来问一个问题，为什么是国际上是亚马逊，国内是阿里这两家公司云计算搞得最好呢？这两家公司之间有一个巨大的共同点，就是它们都是电商公司。电商公司的特点很明显，就是流量不是固定的，往往会受到大促、节日的影响。像是国内的双十一和美国的黑色星期五就是典型的大促。在大促的时候的流量会是平常的十倍甚至更多，这么大的流量必须要有更多的机器去应对。但问题是如果去买这么多机器，但是大促过了，流量下降，那么这些机器就又用不到了，显然就会造成浪费。
数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。
今天为大家介绍的是来自Stephen Mann, Chunhai Fan和Tom F. A. de Greef团队的一篇综述论文。DNA计算和DNA数据存储是新兴领域，它们为信息技术和诊断学解锁了新的可能性。这些方法利用DNA分子作为计算基质或存储介质，提供了纳米级的紧凑性，并能在非传统介质（包括水溶液、水包油微乳液和自组装的膜化隔室）中操作，这些都是超越传统基于硅的计算系统的应用。为了构建一个能够处理和存储分子信息的功能性DNA计算机，需要持续发展计算和数据存储的策略，并且桥接这两个领域之间的差距。
吴怡燃， 京东大数据平台高级技术专家，擅长大数据平台的资源管理与调度系统的开发与建设。目前专注于以万台分布式调度系统及深度学习平台的开发与建设。
在前面的几篇文章中，介绍了全链路压测的背景、在企业中的立项流程以及落地的一些技术方案。在开始真正的介绍落地实践过程以及相关案例之前，我想和大家聊聊，我对全链路压测的一些认知，即：全链路压测在技术团队中的定位，以及它的价值是什么。
从 2009 年到 2021 年，从千万交易额到千亿交易额，双 11 已经开展了 12 年。如今，每年的双 11 以及一个月后的双 12，已经成为真正意义上的全民购物狂欢节。刚刚过去的 2021 年双 11，就有超过 8 亿消费者参与。
数仓建设是公司数据发展到一定规模后必然会提供的一种基础服务，其中数仓建设也是“数据智能”中必不可少的一环。本文将从数据仓库的简介、经历了怎样的发展、如何建设、架构演变、应用案例以及实时数仓与离线数仓的对比六个方面全面分享关于数仓的详细内容。
智慧农业是智慧经济形态在农业中的具体表现。我国的农业发展经历了四个历程：1、人力和畜力为主的传统农业；2、以广泛应用杂交种和化肥、农药的生物化学农业；3、农业机械为生产工具的机械化农业；4、信息为生产要素，互联网、物联网、大数据、云计算、区块链、人工智能和智能装备应用为特征的智慧农业。
在今年的敏捷团队建设中，我通过Suite执行器实现了一键自动化单元测试。Juint除了Suite执行器还有哪些执行器呢？由此我的Runner探索之旅开始了！
高并发原则 无状态：应用无状态，配置文件有状态 拆分：系统维度、功能维度、读写维度、AOP维度、模块维度 服务化：进程内服务->单机远程服务->集群手动注册服务->自动注册和发现服务->服务分组/隔离/路由->服务治理（限流/黑名单） 消息队列：实现服务解耦、异步处理、流量削峰/缓冲（需要注意：处理生产消息失败、消息重复接收处理、生产重试；作为大流量缓冲，牺牲强一致性，保证最终一致性；需要数据校对） 数据异构：异构数据形成闭环，数据存储到合适的存储引擎；聚合数据，使前端通过少量调用拿到所需数据；依赖系统出问
伴随着网站业务发展，需求日趋复杂多样并随时变化。传统静态化方案会遇到业务瓶颈，不能满足瞬变的需求。因此，需要一种能高性能实时渲染的动态化模板技术来解决这些问题。本文和大家分享一下最近一年做的京东商品详情页的架构升级的心路历程。
团购订单系统简介 美团团购订单系统主要作用是支撑美团的团购业务，为上亿美团用户购买、消费提供服务保障。2015年初时，日订单量约400万~500万，同年七夕订单量达到800万。 目标 作为线上S级服务，稳定性的提升是我们不断的追求。尤其像七夕这类节日，高流量，高并发请求不断挑战着我们的系统。发现系统瓶颈，并有效地解决，使其能够稳定高效运行，为业务增长提供可靠保障是我们的目标。 优化思路 2015年初的订单系统，和团购其它系统如商品信息、促销活动、商家结算等强耦合在一起，约50多个研发同时在同一个代码库上开发
来源 / ToB行业头条（ID：wwwqifu）作者 / 海阳 · 编辑 / 瑞雪
随着唯品会业务的快速发展，订单量的不断增长，原有的订单存储架构已经不能满足公司的发展了，特别是在大促高峰期，原订单库已经成为抢购瓶颈，已经严重制约公司的发展。
京东白条使用 Apache ShardingSphere 解决了千亿数据存储和扩容的问题，为大促活动奠定了基础。
一年一度的双十一又双叒叕来了，给技术人最好的礼物就是大促技术指南！而经过这些年的发展，大促早已不仅仅局限于电商行业，现在各行各业其实都会采用类似方式做运营活动，汽车界有 818，电商有 618 、11.11 等等，各种各样的大促场景，对包括数据库在内的基础软件提出了很多新挑战，同时也积累了诸多最佳实践。
本文主要介绍Apache Doris在京东广告报表查询场景下的应用。文章将从我们原有系统开始讲述，包括我们遇到的问题，面临的挑战，以及我们为何选择使用Apache Doris。最后将介绍Doris在我们在生产环境下的使用情况，包括Apache Doris在京东“618”，“双11”大促中的表现。希望通过我们的使用实践为大家提供一些经验参考，也欢迎大家对我们的不足之处提出建议。
随着苏宁线下线上业务以及全产业、全业态规模式快速增长，特别是每年苏宁 818 大促、双 11 等大促节点，销售订单基本都呈现倍数级增长态势，需要进行大量资源扩容，单个数据中心的容量有限，已经无法支撑苏宁业务的快速发展。同时，单数据中心在高可用上存在不足，一旦数据中心发生故障，会导致业务受损，用户访问中断，带来严重的影响。针对以上问题，苏宁规划建设多数据中心解决方案迫在眉睫。
来源：gitee.com/jd-platform-opensource/hotkey JD-hotkey 是京东 APP 后台热数据探测框架，历经多次高压压测和 2020 年京东 618 大促考验。 在上线运行的这段时间内，每天探测的key数量数十亿计，精准捕获了大量爬虫、刷子用户，另准确探测大量热门商品并毫秒级推送到各个服务端内存，大幅降低了热数据对数据层的查询压力，提升了应用性能。 该框架历经多次压测，性能指标主要有两个： 1 探测性能： 8核单机worker端每秒可接收处理16万个key探测任务，1
编者: 本系列分析行业动态,关注“数据和云( OraNews )”回复：下载。可以找到文档链接。 近日，墨天轮社区发布了《2022年6月中国数据库行业分析报告-智能风起，列存更生》，该报告对中国数据库市场的发展进行了分析。以下从报告中摘录部分描述作为分享。 关键信息： 2022年6月的"中国数据库流行度排行榜"共有231个数据库参与排名。本月排行榜，TiDB 重登第一， 达梦挺进前三，人大金仓跻身六强，AnalyticDB继续稳居第十。 本月排行榜引入了微信指数，其所反映的热度变化来源于对微信搜索、公众号
首先，我们在做数据开发的过程中涉及到一些基本要素：时效性保障、质量保障、稳定性保障，此外还有敏捷性、可管理性等其他要素。根据公司业务场景和重要性不同，重点也有所侧重。
作者 | ShardingSphere官微 来源 | https://mp.weixin.qq.com/s/Rzr-aKFwmm71QNUs68WQNA 京东白条使用 Apache ShardingSphere 解决了千亿数据存储和扩容的问题，为大促活动奠定了基础。 2014 年初，“京东白条”作为业内互联网信用支付产品，数据量爆发式的增长，每一次大促备战都是对技术人员的考验，每一次的战略转型驱动着数据架构的成长。 --张栋芳，京东白条研发负责人 京东白条数据架构演进史 自 2014 年 2 月京东白条业务
本文以淘宝作为例子，介绍从一百个并发到千万级并发情况下服务端的架构的演进过程，同时列举出每个演进阶段会遇到的相关技术，让大家对架构的演进有一个整体的认知，文章最后汇总了一些架构设计的原则。
本文以淘宝作为例子，介绍从一百个到千万级并发情况下服务端的架构的演进过程，同时列举出每个演进阶段会遇到的相关技术，让大家对架构的演进有一个整体的认知，文章最后汇总了一些架构设计的原则。
之前的文章中，我曾经多次提到一个用于数据分片的开源项目 ShardingSphere ：
本文以设计淘宝网的后台架构为例，介绍从一百个并发到千万级并发情况下服务端的架构的演进过程，同时列举出每个演进阶段会遇到的相关技术，让大家对架构的演进有一个整体的认知。文章最后汇总了一些架构设计的原则。
领取专属 10元无门槛券
手把手带您无忧上云
