ZD至顶网CIO与应用频道 04月25日 北京消息(文/王聪彬):除了“双十一”和店庆这种传统的促销日,各大电子商务网站已经不仅仅拘泥于此。京东的超级品牌日、一元秒杀等促销活动最少一周有两次发布,最多每天都有发布,伴随而来的是各种流量的洪峰。
而高频次的发布、流量洪峰对于无线端是一个考验,京东最早的无线端从2011年开始做起,最开始只是一个简单的 Web 应用以及支持它的后台系统,但所谓的“简单”却建立在可扩展的基础之上,这也为无线端三次演进,支撑京东每天几十亿级访问的分布式系统带来了实现可能。
无线端三次架构演进
2011年京东的业务可谓蒸蒸日上,为了实现业务的快速响应,紧跟PC业务无线端上线了第一版App。按京东无线业务部首席架构师赵云霄的话讲,最开始可能都不能称为是一个架构。因为采用小团队快速跑的模式,主要问题不是流量和技术,而是快速响应业务,所以就并没有过分追求架构。
初始架构
这也让京东无线服务端初始架构省去了中间的运维,通过代码分层、代码分模块,以保证业务相隔离。但是这样做的弊端在于内部交互协议非常复杂。
上线一年的无线端,随着业务的发展也出现了一些问题,而且这一年京东的各类业务也都在开始向移动端转移,无线服务端把重心放在了优化上。这也就有了2013年的第一次架构升级,初步形成了服务化架构。
服务化架构
做法是基于原有业务拆分,构建了一个新的架构,这也使得新旧两个架构同时在使用,到2014年开始慢慢替换旧的架构。在两个架构并行的过程中也出现了要同时满足业务需求变更的要求,京东无线端最终的做法是将有需求隔离,让不同架构满足不同需求。
到2015年,业务体系越来越完整,业务需求开始稳定。京东无线业务部技术研发总负责人李松峰谈到在这样的背景下,京东无线服务端开始考虑无线服务端不该只是一个系统,也不是一个系统的集合,而应该是一个平台,一个服务生态圈。
智能生态
同时,无线服务端还搭建了三大平台,用于监控和数据分析。其中,监控系统要覆盖整个服务端系统的多个层级,可以冗余,但绝对不能遗漏;数据系统则实现数据收集、分析等处理工作;在安全容灾方面也有建设,完成了跨机房部署、数据备份、流量隔离、流量切换等基础架构设计。
从完善到走向开放
无线服务端主要由研发团队组成,其中分为前端和后端两部分,人员配备基本为1:1。另外还有像测试、产品经理等团队,整个团队的演进也是随着架构不断变化相对应。
京东移动端调用的服务非常多,赵云霄表示,无线服务端负责最主要的服务,另外也有很多兄弟部门做了一些服务。可分为三种模式,第一种,对于用户体验极为相关的,会选择自己来做,并且去监控;第二种,无线跟外部门合作开发;第三种,用户使用不频繁,耦合度很小的创新类业务,由外部门独立开发,或内嵌H5。
京东无线业务部首席架构师赵云霄
无线服务端的目标是可持续运营,所以京东无线服务端具备完善的开发框架,以便快速的搭建新服务。在协议的支持上,对外发布时,首先要做到内部的协议统一,而且并不只允许一种协议。
在发布上,京东App的更新周期是一个半月,如果是纯后端发布,只要业务有需要,就可以快速地迭代。产品设计完毕,进入上线流程,按照严格的规范测试发布。
未来无线服务端要围绕“质”能和“生态”进行全方位的体系演进,涉及交易流程、仓储物流、客户服务等多个方面。京东无线服务端将通过团队、支撑、流程保证三部分打造智能生态。
2016年3月22日,开普勒上线是京东无线端走向开放的第一步,京东还将不断完善用户提供的数据,为京东两端用户、服务者及平台的用户提供数据指标。同时继续完善用户的授权体系,对现有的体系及风控体系进行风险评估。
好文章,需要你的鼓励
YouTube开始推出肖像检测工具,帮助创作者识别和举报使用其面部特征的AI生成视频。该系统类似于版权检测机制,目前处于测试阶段,仅向部分创作者开放。用户需要提供政府身份证件照片和面部视频来验证身份。系统会标记疑似包含用户肖像的视频,但无法保证100%准确识别AI内容。YouTube将根据多项因素决定是否移除举报的视频。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
谷歌宣布在AI Studio平台中引入"氛围编程"体验,让编程和非编程用户都能更轻松地开发应用程序。用户可通过简单提示生成可运行的应用,新功能包括应用画廊、模型选择器、安全变量存储等。平台还添加了模块化"超能力"功能和"手气不错"按钮来激发创意。完成的原型应用可一键部署到谷歌云运行平台。此次更新正值业界期待谷歌即将发布Gemini 3.0大语言模型。
中国人民大学研究团队开发了Tool-Light框架,通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练,让AI学会合理使用外部工具。在10个推理任务测试中,Tool-Light显著提升了AI的效率和准确性,为AI工具集成推理提供了新的解决方案。