转眼间，京东零售技术又陪伴大家度过了一年。这一年，我们共发布130余篇文章，现在就让我们一起回顾2024年最受欢迎的技术文章TOP10。
欢迎分享给身边的技术人，让我们带着探索、勇气、专业，一起开启2025年新旅程！
在文末我们也为大家准备了一些礼物，我们一起充电学习，精进技术~
👇 👇 👇
在大数据处理中，工作流任务调度扮演着承上启下至关重要的角色，不仅需要具备灵活的编排能力和多样化的调度策略，还要保证系统的稳定和高效。本文将结合京东大数据业务的实际应用，深入探讨京东自主研发的分布式工作流调度系统的关键特性和技术架构。
京东自营和商家自运营模式，以及伴随的多种运营视角、多种组合计算、多种销售属性等数据维度，相较于行业同等量级，数据处理的难度与复杂度都显著增加。如何从海量的数据模型与数据指标中提升检索数据的效率，降低数据存算的成本，提供更可信的数据内容和多种应用模式快速支撑业务的数据决策与分析，是数据团队聚焦解决的核心课题。
本文从中台化演进的思路，及使用的底层支撑技术框架进行分析探讨，重点对中台及前台协作涉及到的扩展点及热部署包的底层技术细节，结合京东实际落地情况，对涉及的核心技术框架进行源码初探分析，探讨技术框架的考虑点，拓宽大家的思路。
在使用线程池来提升系统的吞吐率和响应性的同时，我们也面临诸多风险和问题；其主要原因在于我们难以设置出合理的线程池参数，而不合理的线程池参数也让我们不得不面对线程池运行情况难感知，线程池拒绝难定位，线程池参数难以快速调整等痛点问题；在此背景下，我们探索并学习了动态线程池思想，并基于思想进行了实践，最终通过监控告警，自动堆栈打印，参数动态变更等方式去尽可能地去减少了线程池使用所带来的风险问题。
随着京东供应链业务数十年的发展，作为第一环节的采购系统（BIP）俨然在业务复杂度、订单数据量上达到了前所未有的规模，随之而来的数据库查询性能问题屡见不鲜。本文主要介绍了研发团队在面对海量订单场景下，为了提升用户体验、降低系统技术风险，所做的真实优化案例。
本文探讨京东推荐广告场景下的流量排序拍卖机制设计问题，讲述了京东排序拍卖机制的关键技术突破点以及技术演化路线，通过本文可以了解京东推荐广告排序机制在流量价值预估、用户兴趣探索以及模型化拍卖等方面的前沿技术探索和实践。
618对京东来说是一场重要的营销盛会，大促将为业务各个层面带来爆发式增长。然而，超大规模的流量洪峰也对京东各系统提出了严峻考验。当一个推荐系统面临高频、瞬时、大幅的流量突变时，如何在维持稳定性的同时，最小化推荐效果损失？
京东广告投放系统做了一次以领域驱动设计为思想内核的架构升级，在深入理解DDD思想的同时，我们基于广告投放业务的本质特征大胆地融入了自己的理解和改造。本文主要聚焦于广告投放系统历代代码架构的演进历程，让大家通过广告投放平台的架构演进历程来了解新架构的设计初衷。
主要内容包括以下几大部分：推荐系统可解释定义、系统架构、排序可解释、模型可解释、流量可解释。
本文通过一个真实的线上案例总结了针对海量数据批处理任务的一些通用优化方法，除了供大家借鉴参考之外，也更希望通过这篇文章呼吁大家在平时开发程序时能够更加注意程序的性能和所消耗的资源，避免在流量突增时给系统带来不必要的压力。
福利时间：
mp.weixin.qq.com/s/nipZuu9FU...
点击原文参与活动