京东618：InfoQ 带你全方位、多角度地用技术解构这场年中大促

来源:InfoQ

原标题：京东618：InfoQ 带你全方位、多角度地用技术解构这场年中大促

策划｜木环

编辑｜InfoQ 编辑部

每一次的电商大促，都是外行看热闹（剁手），内行看门道（技术）。在这国人购买力飞速升级的时代，每一轮爆棚流量背后，都有着那改变世界的技术作支撑。今年的 618，京东是怎么玩的？InfoQ 编辑部为你揭秘！

京东 618 战况如何？

腾讯科技讯 6 月 18 日零点，京东全民年中购物节拉开了高潮的序幕。第一个小时的销售额超过去年同期的 250%。京东集团董事局主席兼首席执行官刘强东第一个在朋友圈透露了这一消息。

在家电领域，十分钟内电视、冰箱、洗衣机品类销售均破十万台；十分钟内美的家电销售额破 2 亿元，格力 3 匹圆柱变频柜机单品销售额超 3000 万元。空调品类半小时销售破 20 万套，是去年同期的 6 倍；小家电半小时内销售破 80 万台。

3C 领域大量品类迅速突破了亿元销售额，电脑办公品类只用了 2 分 50 秒，数码品类用了 5 分 30 秒，手机品类用时 3 分 07 秒。其中手机在一小时之内同比增长了 405%。

那么这不断被刷新的数据背后，都有哪些技术做了有力支撑呢？

京东 618：升级全链路压测方案，打造军演机器人 ForceBot

内容简介：

以往在京东，备战 618 大促要提前 3 个月准备压测方案，需要建立独立系统进行线上的压力评测，为各个性能压测团队带来了巨大的工作量。并且，j2直播，这样的传统压测方案有时数据并不准确。那么，能不能将这样的工作更加自动化、精确化？于是京东开始了 ForceBot 的研发，基于开源的 nGrinder 项目二次开发，并且结合京东业务场景进行了深度定制化的研发改制。如今使用 ForceBot 全链路军演压测系统之后，只需 2 天左右的时间即可完成所有黄金链路的性能评测。那么，FoceBot 的原理和架构是怎样的？在开源项目基础上做了哪些深度改造？关于容器部署、服务通信、数据收集和计算的细节又是怎样的呢？

戳此「传送门」阅读全文！

京东 618：如何运用深度学习从多个维度优化数亿级别

内容简介：

近年来人工智能成为了科技的热潮，AlphaGo 的卓越战绩、各大科技公司蜂拥进入自动驾驶领域等消息吸引着民众的目光。但其实严格意义上这些工作统一归属于同一个学科——机器学习。人工智能的目的是教会计算机完成现在人类做得更好的事，而机器学习可以说就是其中最重要的事情，因为它是实现人工智能的一种方法。没有学习，计算机就永远无法跟上人类的步伐；有了学习，一切都与时俱进。目前机器学习成为了一个巨大的中心，通过这个中心，多个领域里积累的经验被建模，从而获得更为快捷广泛的应用。

深度学习则是一种实现机器学习的技术。其基础人工神经网络是早期机器学习中一个重要的算法，最初受到人类大脑生理结构中互相交叉的神经元启发。随着无数科研工作者的投入，目前人工神经网络已经可以达到一个极高的层数和亿万计数的神经元，在某些领域做得比人类更好，例如围棋领域。

作为国内最大的自营电商，京东也积极应用深度学习技术在各个业务线，优化用户体验。本文将着重介绍京东如何运用深度学习技术去优化商品数据，构建智能的商品生态来提升多业务用户体验。

戳此「传送门」阅读全文！

京东 618：如何配合业务打造 JDReact 三端融合开发平台？

内容简介：

React Native 虽然解决了传统开发效率低下、性能比较差、灵活性差、接入困难等问题，但是也存在着非常多的局限：RN 框架原生并不支持 Web 端、RN 框架官方并不支持热更新、Facebook 给出的官方 RN API 不能完全满足业务快速的发展，等等。同时，在一些交互非常复杂、页面非常复杂、需要频繁的更新、需要一些手势交互的场景，RN 仍有些内存跟性能的瓶颈。

针对上述问题，京东给出的解决方案是基于 RN 框架进行了深度定制和二次开发，逐步打造了符合京东业务的 JDReact 三端融合平台，主要的工作包括：第一，把 RN 的核心 Base 库拿来做裁剪和二次开发；第二，在后端搭建了一个功能支撑平台，帮 RN 框架增加了灰度更新升级、数据监控以及降级容灾功能。第三，基于整个 RN 框架，结合京东的一些业务特点，封装了一套自己的业务组件，直播，包括 UI 公共组件库。第四，打通 Web 端，实现了一套 RN 框架向 ReactJS 转换的工具。

本文全面、详细地介绍了 JDReact 三端融合平台的架构以及各方面的优化工作。

戳此「传送门」阅读全文！

京东 618：智能机器人 JIMI 的进击之路

内容简介：