京东服务端架构演进：从烟囱模式到PAAS化

Qwen3.8-27B混合注意力架构深度解析：48层Gated DeltaNet + 16层Attention如何让270亿参数模型跑在消费级显卡上

回看整个2026年，开源大模型的格局正在发生深刻变化：DeepSeek V4 Pro走向商业化、Kimi K3开源超大MoE、GLM 5.3持续迭代——而在所有发布中，Qwen3.8-27B代表的是一条不一样的路：不是追求某个单一维度的极限，而是用混合注意力架构的精巧设计，在270亿参数的规模上实现了"效率"与"能力"的最佳平衡。这个3:1的比例是整个设计的灵魂。它不是在两种注意力之间各取一半的折中，而是一种经过深思熟虑的"记忆与检索分工"——让75%的层做低成本的长程记忆，25%的层做精确的内容检索。

从10到10亿级PV京东系统架构演进之路

今天从宏观的角度来讲，整个时代是大众创业万众创新的时代，作为程序员我们每个人都有一个梦想，吊打面试官，很多人给我说，我想进百度，想进阿里，想进腾讯，等一线互联网公司。你就需要知道面试官的一些大招，这样才能有效躲避，进而反击； 目前大多数企业都属于中小企业， 所有的大企业都是从小公司一步一步发展起来，我曾经所在的京东也同样如此； 大家看一下，目前中小企业IT架构面临的问题 当业务发生变化，不断的在原有系统的上打补丁 当业务发展时，系统不断出现各种瓶颈 卡顿，数据库锁死，网站打不开， 各种...

哨兵2植被参数反演避坑指南：SNAP中10m/20m分辨率选择与缺失波段处理

本文深入解析了使用SNAP软件进行哨兵2号植被参数反演时的关键操作与决策。核心在于理解SNAP生物物理处理器NNET10m与NNET20m的架构差异，根据是否需要反演冠层叶绿素含量（Cab）等参数，明智选择10米或20米分辨率工作流。文章详细指导了大气校正、波段重采样及处理L2A数据中B01波段“缺失”等常见问题的解决方案，为生态监测与精准农业应用提供清晰的避坑指南和完整实战流程。

【实践篇】一次Paas化热部署实践分享 | 京东云技术团队

本文是早些年，Paas化刚刚提出不久时，基于部门内第一次Paas化热部署落地经验所写，主要内容是如何构建一些热部署代码以及一些避雷经验。

京东实时计算架构演进之路

一、背景： 从2004年开始，京东进军互联网线上化开始到至今，随着京东的高速发展，京东商城的订单量从万级到百万级、最终到达亿级。而对于实时的数据需求也是层出不穷，实时计算架构随着数据量的增长，不断进行革新。 ** 二、京东实时计算架构演进之路 ** (1)订单量万级、百万级(以京东海外站为例) 在订单量万级、百万级别的时候，也存在不少实时的数据需求，比如：商家需要看看自己每天的成交量、老板需要看看整体的成交金额，以为后续的融资做准备。类似于现在很多的a、b轮创业公司数据体量。 解决方案：而此时为了节省更少的

日均5亿查询量的京东到家订单中心，为什么舍MySQL用ES?

<strong style=“color: rgb(19, 139, 213); font-family: -apple-system-font, BlinkMacSystemFont, " helvetica=”" neue",="" “pingfang=”" sc",="" “hiragino=”" sans="" gb",="" “microsoft=”" yahei="" ui",=...

应对618，京东到家订单系统高可用架构的迭代实战

闫文广京东到家后台研发部架构师从事支付系统、计费系统和订单履约系统等后台领域的研发，现专注于订单中心架构优化和研发相关的工作。大家好，我是京东到家后台研发部的架构师闫文广，今天将给大家分...

【架构实战day1】京东开放平台的架构与演进

本篇文章一共分为四个部分，分别是开放生态、开放网关、开放授权和开放安全。为什么要做开放，开放的技术实现有哪些，主要是开放网关和授权，同时我们开放了以后肯定还需要安全，需要开放的安全保障。 1、开放生态 首先是开放生态，当提到生态的时候，我们可以想象一下，一片大大的草原，有羊群，有野兔，有飞鸟，可能还有狼群，它是一个多样性的。那么开放的生态也是这样，打造一个多样化的平台生态。 对于大型的...

京东咚咚架构演进

咚咚是什么？咚咚之于京东相当于旺旺之于淘宝，它们都是服务于买家和卖家的沟通。 自从京东开始为第三方卖家提供入驻平台服务后，咚咚也就随之诞生了。 我们首先看看它诞生之初是什么样的。 1.0 诞生（2010 - 2011) 为了业务的快速上线，1.0 版本的技术架构实现是非常直接且简单粗暴的。 如何简单粗暴法？请看架构图，如下。 1.0 的功能十分简单，实现了一个 IM 的基本功能，接...

构建亿级前端读服务

从入职京东到现在，做读服务已经一年多的时间了，经历了各种亿级到百亿级的读服务；这段时间也进行了一些新的读服务架构尝试，从架构到代码的编写，各个环节都进行了反复尝试，压测并进行调优，希望得到一个自己满意的读服务架构。   一些设计原则 无状态 数据闭环 缓存银弹 并发化 降级开关 限流 切流量 其他 无状态 如果设计的应用是无状态的，那么应用就可以水平扩展，当然实际生产...

京东白条技术架构进化分享，这篇总算是讲清楚了 ~

相信大家都听说过单体和我服务，那么，单体到微服务架构的数据是如何演进的呢？这是个有意思的话题。今天，我们一起来看看，希望大家都有收获和启发。 京东白条的快速发展满足了当前人们日益增长的消费需求。在京东商城上用京东白条来支付，已经成为一大批用户的消费习惯，更是在某种意义上成为了京东对外的『标签』。 而作为一家互联网金融消费平台，京东白条的后台技术团队更是不容忽视的存在。而其也正是支撑京东白条自 2014 年初上线伊始，至今服务数亿用户的最终根源所在。 正是京东白条技术团队多年的努力，才造就了当前京东白条

京东对云计算PaaS平台的优化总结

为什么80%的码农都做不了架构师？>>> ...

从京东EMOP，看PaaS的商业化之路

01、PaaS的现状 对于像京东这样的商业服务数字化公司，因为业务应用不能直接建在云上，所以需要PaaS。 现在问题来了：PaaS应该怎样建立？ 不同的目标，建法也不一样。有的是作为一个技术开发平台，以后再做项目会节省时间。有的是预置行业业务组件的业务平台，能提高业务系统搭建效率。有的强调是低代码或零代码，使业务人员可以参与甚至独立配置业务。还有的是为了做大客户业务，应对个性化需求之需… … 无论哪种形式和什么目的，这种PaaS始终限定在技术层面。做得好或不好，全由开发者自己说了算；与其他人，尤其是

数人云|当K8S遇上微服务-京东金融PaaS平台思考与实践

8月19日的数人云Container Meetup上，张龙老师做了《基于Kubernetes的PaaS平台的设计和思考》的精彩分享，分别介绍了PaaS平台的意义，为什么选择Kubernetes，PaaS平台上的微服务架构应用，如何设计和快速构建PaaS平台，PaaS平台的功能组件这几个内容。 以下为现场实录内容—— 今天跟大家分享下基于...

储能行业时序数据库架构演进：从MongoDB到TDengine的18倍性能提升实录

经过技术选型和架构调整，某全球领先储能企业从MongoDB迁移至TDengine，实现了写入性能18倍的显著提升。本文将从业务背景、技术痛点、迁移过程和性能收益四个方面，系统回顾这一技术演进历程。

企业落地 Data for AI，怎样搭建标准化云上数据底座？亚马逊云科技五层架构与落地选型路径

企业布局Data for AI体系建设，存在两大典型误区：仅搭建单一向量数据库支撑AI业务，或是将全量企业数据批量灌入大模型。两种模式均无法适配长期、多元化的AI应用落地需求。适配企业规模化AI发展的云上数据底座，需具备全域支撑能力，可同时赋能模型训练迭代、RAG知识库检索、AI Agent智能调度、自然语言数据查询、实时业务分析与Agent长期记忆管理。其核心建设标准可归纳为五大能力：数据统一汇聚、全域智能发现、标准化治理、高效灵活查询、AI安全可控调用。

游戏开发架构选型：第1篇｜什么是架构？从进球事件看 MVC 的局限

本文探讨游戏开发中架构选型的核心问题，通过足球游戏“进球事件”对比MVC、MVVM和事件驱动三种架构的优劣。MVC的两种变体（上帝Controller和经典MVC）均存在耦合问题：前者集中依赖，后者导致Model承担隐式调度。MVVM因Unity缺乏原生绑定支持而落地困难，且调试复杂。事件驱动通过发布/订阅模式实现松耦合，新增功能零侵入，支持静态类型安全和条件分支。架构的核心价值在于隔离变化，确保代码长期可维护性。后续将结合定量分析进一步对比架构选择。

大模型并行推理架构笔记

摘要： 大模型推理面临显存和计算瓶颈，需通过并行策略优化。核心方法分为两类：模型并行（TP、PP、EP）和请求并行（批处理优化）。TP按层内切分降低单请求延迟，PP跨层切分减少通信量，EP专用于MoE模型。连续批处理和PagedAttention提升吞吐效率。进阶策略包括PD分离（Prefill与Decode阶段解耦）、序列并行（长上下文优化）和投机解码（小模型加速生成）。近两年进展聚焦分离式架构（如AF分离）和硬件超节点（如GB200 NVL72），以更高粒度切分计算与带宽负载。选型需权衡规模、延迟需求与

Hermes Agent 常见报错排查与问题解决

Hermes Agent 常见报错排查指南 摘要 本文全面梳理了 Hermes Agent 使用过程中的10类常见报错，按阶段划分为安装期、运行期认证类、后端基础设施类和长任务执行类四大类，并提供了系统化的排查流程： 安装期问题：包括命令未找到和Python版本不兼容，主要检查PATH环境和Python版本是否符合要求 认证类问题：涉及API Key认证失败和速率限制，需要验证密钥配置和配额状态 基础设施问题：包含Docker报错、MCP连接失败和OAuth令牌过期，需检查相关服务状态 执行类问题：主要是上

gps-sdr-sim:软件定义的GPS信号模拟器

GPS-SDR-SIM GPS-SDR-SIM生成GPS基带信号数据流，可以使用软件定义的无线电（SDR）平台将其转换为RF，例如 ， ， 和 。Windows构建说明启动Visual Studio。 为控制台应用程序创建一个空项目。 在右侧的解决方案资源管理器中，将“ gpssim.c”和“ getopt.c”添加到Souce Files文件夹中。 在“解决方案配置”下拉列表中选择“发布”。 构建解决方案。与GCC建立 $ gcc gpssim.c -lm -O3 -o gps-sdr-sim使用更大的用户运动文件为了使用超过30000个样本（以10Hz采样）的用户运动文件，可以将USER_MOTION_SIZE变量设置为用户运动文件的最长时间（以秒为单位）。 建议使用make进行此操作，以便gps-sdr-bin可以在需要时更新大小。 例如： $ make