目前，京东搜索推荐的数据处理流程如上图所示。可以看到实时和离线是分开的，离线数据处理大部分用的是 Hive / Spark，实时数据处理则大部分用 Flink / Storm。
一 高性能和快启动速度，能否鱼和熊掌兼得？Java 作为一门面向对象编程语言，在性能方面的卓越表现独树一帜。
高性能和快启动速度，能否鱼和熊掌兼得？Java 作为一门面向对象编程语言，在性能方面的卓越表现独树一帜。
max.poll.records:意味消费者一次poll()操作，能够获取的最大数据量，调整这个值能提升吞吐量，于此同时也需要同步提升max.poll.interval.ms的参数大小。
最近对外接口偶现504超时问题，原因是代码执行时间过长，超过nginx配置的15秒，然后真枪实弹搞了一次接口性能优化。在这里结合优化过程，总结了接口优化的八个要点，希望对大家有帮助呀~
在大数据处理领域，Apache Flink以其流处理和批处理一体化的能力，成为许多企业的首选。然而，随着数据量的增长，性能优化变得至关重要。本文将深入浅出地探讨Flink SQL的常见性能问题、调优方法、易错点及调优技巧，并提供代码示例。、
随着ChatGPT的兴起，大语言模型再次走进人们的视野，其在NLP领域表现出的语言识别、理解以及推理能力令人惊叹。越来越多的行业开始探索大语言模型的应用，比如政务、医疗、交通、导购等行业。
Elasticsearch 在腾讯内部广泛应用于日志实时分析、结构化数据分析、全文检索等场景，目前单集群规模达到千级节点、万亿级吞吐，同时腾讯联合 Elastic 公司在腾讯云上提供了内核增强版 ES 云服务。海量规模、丰富的应用场景推动着腾讯对原生 ES 进行持续的高可用、高性能、低成本等全方位优化。本次分享主要剖析腾讯对 Elasticsearch 海量规模下的内核优化与实践，希望能和广大 ES 爱好者共同探讨推动 ES 技术的发展。
在本文中，我们来实战构建一个Docker镜像，然后实例化容器，在Docker的生命周期中详细分析一下Docker的文件存储情况和DockerFile优化策略。
30条关于优化SQL语句的建议，写出高效的SQL语句。
携程度假搜索引擎（以下简称为引擎）：携程度假搜索引擎是一个专注在旅游行业的垂直搜索引擎，用来查找符合从出发地到目的地的相关旅游产品（跟团、自由行、邮轮、游学、主题游等），是一个典型的O2O搜索引擎（Online To Offline）。
MySQL数据库优化技巧大汇总，优化MySQL所在服务器内核(此优化一般由运维人员完成)。对MySQL配置参数进行优化（my.cnf）此优化需要进行压力测试来进行参数调整。
今天给大家带来我们在 Kubernetes Service 上的一些优化实践，这是一个网络相关的话题。首先，介绍Kubernetes的Service机制。
日常遇到的大部分问题，大致可以归到如下几类：逻辑缺陷：e.g. NPE、死循环、边界情况未覆盖。性能瓶颈：e.g. 接口 RT 陡增、吞吐率上不去。
Gradle 编译速度优化方法，首先要说的是我们用的 Gradle 来作为我们的构建工具，所以主要是针对 Gradle 的命令来作了一些优化。
分享是传播活动，吸引用户最重要的一环。现有分享手段多是题目配合单张图片，利用点击的方式跳转到目标页面。在信息越来越丰富的今天，单个题目和图片对用户的吸引力是有限的。而在对推广要求更高的营销场景和裂变过程中，我们往往需要将页面内容一部分作为图片整体分享出去。直接利用手机原生的截屏功能会有几个问题：1）内容格式无法自定义。2）翻页情况无法处理。3）视窗区域不可控。本文通过讨论现有截屏的方案和闲鱼内部截屏方案，介绍如何利用web实现移动端高还原度富图文分享。
随着支付宝的线下场景不断扩大，收钱码、口碑、共享单车、充电宝、停车缴费等产品让我们的生活越来越便利。二维码因为成本低、兼容性好成为了线上线上最主要的连接工具，也因此面临更多新的挑战。因为二维码是一种点阵式信息编码方式，任何视觉上的缺损、弯曲以及光线作用都会极大的影响识别成功率，如果识别困难也就意味着用户可能选择放弃，影响支付体验也影响用户心智。
Future通过get方法来获取异步任务的结果，如果任务还没有完成则阻塞线程，因为我们需要它的结果，所以等待是应该的。
今天这里主要给大家介绍，在有大量写入的场景，进行优化的方案。
自适应查询优化(Adaptive Query Execution, AQE) 是 Spark 3.0 版本引入的重大特性之一，可以在运行时动态的优化用户的 SQL 执行计划，很大程度上提高了 Spark 作业的性能和稳定性。AQE 包含动态分区合并、Join 数据倾斜自动优化、动态 Join 策略选择等多个子特性，这些特性可以让用户省去很多需要根据作业负载逐个手动调优，甚至修改业务逻辑的痛苦过程，极大的提升了 Spark 自身的易用性和灵活性。
关注时代Java
