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。

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：

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

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...

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。

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。

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。

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...

作为提供方，component 将自己的 Button、Dialog等组件暴露出去，同时将 react 和 react-dom 这两个依赖共享出去。

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。

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。

Du, Z., Qian, Y., Liu, X., Ding, M., Qiu, J., Yang, Z., & Tang, J. (2022, May). GLM: General Language Model Pretraining with Autoregressive Blank Infilling. In Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 320-335).

SPI（Service Provicer Interface）是Java语言提供的一种接口发现机制，用来实现接口和接口实现的解耦。简单来说，就是系统只需要定义接口规范以及可以发现接口实现的机制，而不需要实现接口。

本文分析了后端研发和运维在日常工作中所面临的线上SQL定位排查痛点，基于姓名贴的灵感，设计和开发了一款SQL染色标记的MyBatis插件。该插件轻量高效，对业务代码无侵入，接入简单，支持SELECT、INSERT、UPDATE、DELETE等语句，同时也支持无WHERE条件SQL的标记增强。该SQL染色插件并不改变SQL指纹，染色信息内置了statem...

在科技浪潮汹涌澎湃的今天，人工智能与软件开发工具不断迭代升级，深度融合前沿技术来满足个性化知识管理与开发需求，已然成为技术爱好者和开发者们竞相探索的方向。本文将利用 Ollama、Deepseek-R1、AnythingLLM 搭建强大的本地个人知识库，并详细介绍 Continue 在 VScode 中的本地集成，带你解锁全新的技术应用体验，...

Chrome DevTools 是前端开发者的必备工具，不仅可以用于调试 Chrome 网页，还支持 Android WebView、Roma (跨平台开发框架) 安卓&鸿蒙端 ****等平台的调试。 作为最常用的调试工具之一，DevTools 不仅能快速定位问题，还能让我们深入了解调试的内部机制。本文将从原理、组成部分、CDP 协议以及自定义调试工具的实现， 带...

随着大模型的广泛应用，作为人工智能三大支柱之一的AI算力，已经成为竞争的焦点。从模型训练到推理，算力存在于大模型生命周期的每一环，极大程度地影响着模型在实际业务场景的性能与效果。面对京东海量数据的各种场景，缺乏坚实的算力基础就犹如高楼大厦没有稳固的地基，上层的算法/数据无法发挥其作用。

周末简单整理了2024年我读过的10本技术类书籍（是在京东APP购买的实体书，大部分知识结合实践输出转化），希望这些书籍能够在大家的学习之路上提供一些帮助。

大家好，我是一个懒人，一个懒得写文章但偏偏又想参加神灯社区征文的懒人。当我看到“DeepSeek”这个主题时，我的大脑立刻进入了一种“躺平模式”：“怎样才能不费吹灰之力，写出一篇吸引人的文章呢？” 答案显而易见：让DeepSeek帮我搞定啊！

异常检测（Anomaly detection）技术就像是一个隐形的守护者，悄无声息地监视着数据流，寻找着那些与正常模式不符的迹象。 在本篇文章中，将探讨基于时序流的异常检测技术，解决如何及时发现序列模式的异常、以及适应数据分布变化（概念漂移）等带来的挑战，最后并基于了部分公开数据集和风控域场景进行相关案例的应用测试。

虽然技术指标正常是系统稳定性的一个重要参考，但并不能完全保证业务无异常。业务异常可能源于多种非技术因素，如业务流程错误、用户需求变化、外部依赖问题、人为因素（配置错误）等。因此，在监控技术指标的同时，还需要结合业务层面的监控和分析手段，以确保全面了解和掌握系统的运行状态，从而保障业务的稳定性和可...

最近一直在关注deepseek的动态，现在看到一则好消息，分享给大家；国家超算中心目前上线了deepseek且免费调用DeepSeek-R1:7B、DeepSeek-R1:14B、DeepSeek-R1:32B三个模型，具体操作如下

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...

随着分布式微服务的发展，一个普通的应用可能会依赖于许多其他服务，这给系统的限流降级、优化改造等操作带来了困难。在没有明确强弱依赖关系的情况下，我们很难有效地进行这些操作。为了解决这个问题，强弱依赖治理成为了一种科学的手段。通过强弱依赖治理，我们可以持续稳定地获取应用间的依赖关系、流量以及强弱等数...

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，是数据团队去年聚焦...

ALTER TABLE your_partitioned_tableADD PARTITION (PARTITION p_new VALUES LESS THAN (new_value));

2;DAG计算模型减少的是磁盘I/O次数（相比于mapreduce计算模型而言），而不是shuffle次数，因为shuffle是根据数据重组的次数而定，所以shuffle次数不能减少

在我们的测试工作中，是不是经常遇到这样的情形，发生了线上问题，产品、研发或者测试同学一拍脑袋：当时怎么没有想到，怎么给漏掉了呢？明明是一个非常简单的事情，用大拇指都能想到的验证场景，为何当时就漏测了呢？但实际情况是，逃逸到线上的缺陷，疑难杂症式的极端异常的问题很少，大部分都不复杂且可以在设计和开...

近期在参与编写平台工程系列标准时，我发现开发者体验 (DevEx) 是一个不可忽视的关键因素，它对于构建一个成功的平台工程起到了重要的作用，DevEx 可以称之为平台工程的基础。基于我最近的学习和思考，我决定写这篇文章，想深入探讨一下 DevEx 对于内部开发平台的重要性，也希望为从事内部开发平台的同学们带来一些新的...

大模型对搜推技术产生了深远的影响，极大地推动了搜推技术的演进趋势，使得搜推更加的智能化和个性化，然而在搜推中引入大模型时同样面临一系列的挑战，例如商品知识的幻觉，复杂查询的理解，个性化商品推荐，隐私和安全等问题。本文基于这个问题背景介绍下我们的技术实践，完整文章分为上下两篇介绍：