- 综合排序
- 最热优先
- 最新优先
- 来自专栏京东技术
工程算法一体化平台架构实践
整个架构采用了一体化架构，所谓一体化是指整个算法、工程涉及的包括数据、系统等全链路打通，实现数据流的系统化流动，这种方式的好处是形成了业务闭环，在需求、开发、测试和验证整个过程都是透明化，从而减少沟通误差 工程&算法一体化平台 整个工程&算法一体化平台架构如图1所示，包括数据集&标注平台、算法模型训练&部署平台、模型测试&质量评估平台、算法服务网关、服装搭配平台，通过将这些平台全链路打通，形成一体化架构， 打标平台架构上一定要灵活，设计如图2所示，架构上一定要灵活，因为不同的场景其标注需求是不一样的，比如数据存储方面可以考虑像mongodb数据库，是模式自由的，数据存储结构非常灵活；在打标界面方面可以通过插件化模式进行设计 京东内部有一套自己的机器学习平台，该平台目前打通了京东的J-ONE（编译、上线发布、部署一体化的工具平台），可以通过J-ONE部署CPU或GPU应用，从而简化整个部署过程。 一体化平台架构的目的是形成业务闭环，统一数据语言，数据资产沉淀，数据全链路透明流通，数据抽样实时质量评估，提升算法质量。在整个过程中架构边界清晰，系统松耦合，通过闭环服务化内聚化降低组织间沟通成本。
3.6K31发布于 2019-05-05 - 来自专栏腾讯云存储
直播预告| Lakehouse 湖仓一体化架构论坛
在大模型时代，企业将如何进行湖仓一体化架构选型？下一代Lakehouse架构方向又在哪里？未来面临着怎么样的挑战？ 让我们在6月15日举办的以「大模型时代的 OLAP 技术演进」为主题的第58届DataFunSummit：OLAP 线上峰会中，「Lakehouse 湖仓一体化架构」论坛上看头部企业如何做！ 精彩内容，扫码报名，免费参会 本次Lakehouse湖仓一体化架构论坛的出品人程力老师，腾讯云数据湖存储的负责人，他对数据湖仓存储架构有着深入的理解与丰富的实践经验。 通过构建两级缓存架构与混合部署，让整个基于对象存储架构构建的查询性能与成本达到了较优的水平。 演讲提纲： 1.GooseFS 加速存储的核心架构 2.GooseFS 在腾讯内部实时 OLAP 搜索场景上的应用落地 3.GooseFS 在低延迟查询搜索请求上的架构演进与性能优化 4.总结 听众收益
52910编辑于 2024-06-16 - 来自专栏编程一生
系统架构的11条原则
原则三：分治原则 解析： 做架构时不要想着一次性把所有的功能都做好，要拥抱 MVP（Minimal Viable Product），最小可运行版本。 原则五：拥抱变化 解析： 重视架构扩展性和可运维性。无状态的系统的是可扩展的和直接的。任何时候都要考虑这一点，不要搞个不可扩展的，有状态的东东出来。否则，一旦需要改变，成本很高。 如果不能降低人力成本，反而需要更多的人，那么这个架构设计一定是失败的。 稳定性原则 原则八：依赖最简 解释： 依赖原则是去除依赖、弱化依赖、控制依赖。多一个依赖多一分风险。 如果一件事情有可能发生则在生产环境中一定会发生，架构中要做好容错设计。 原则十一：用成熟的技术 解析： 不要给别人的技术当小白鼠，不要因技术本身的问题影响系统的稳定。
69320编辑于 2022-05-06 - 来自专栏闲余说
架构设计 11-可扩展架构之微内核架构
导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第十一部分。主要介绍了如何面向功能拆分架构，首先介绍了微内核架构的基本架构设计，以及几种常见架构的实现与特点。 关注本公众号 回复 “架构设计” 获取架构设计笔记完整思维导图 基本架构 两类组件 核心系统（core system） 负责和具体业务功能无关的通用功能： 模块加载 模块间通信 插件模块（plug-in 常见架构 OSGi 架构 OSGi 的全称是 Open Services Gateway initiative，本身其实是指 OSGi Alliance。 现在我们谈论 OSGi，已经和嵌入式应用关联不大了，更多是将 OSGi 当作一个微内核的架构模式。 逻辑架构 模块层（Module 层） 模块层实现插件管理功能。 实现 插件管理 规则引擎中的规则就是微内核架构的插件，引擎就是微内核架构的内核。规则可以被引擎加载和执行。 规则引擎架构中，规则一般保存在规则库中，通常使用数据库来存储。
1.1K20编辑于 2022-08-19 - 来自专栏深度学习和计算机视觉
YOLOv11 架构改进 & 常见指令
在之前的 YOLO 版本基础上，YOLO11 在架构和训练上提供了显著的改进。在保持速度的同时提高性能的最重要的架构变化是增加了 C3K2 块、SPFF 模块和 C2PSA 块。 这种结构使得在复杂场景中更精确的检测成为可能，并提高了 YOLOv11 的准确性。 除了这些架构变化，YOLOv11 像 YOLOv8 一样具有多模型能力。 得益于其优化的架构和高效的处理能力，它可以部署在边缘设备、云平台和支持 NVIDIA GPU 的系统上。 由于这些优化和创新，YOLOv11 在实时应用中提供了性能提升。 在 Ultralytics （详见官网：https://docs.ultralytics.com/models/yolo11/）页面上，当他们评估 YOLOv11 与以前版本相比的性能时，他们发表了以下评论 使用 YOLOv11 使用 PyTorch 构建 YOLOv11 模型及其与其他模式的使用简要如下。 步骤 1：首先，我们需要下载 Ultralytics 库。
2.2K10编辑于 2024-10-30 模型设计、数据架构、数据治理一体化大数据平台
本文主要从总体思路、模型设计、数据架构、数据治理四个方面介绍了如何利用大数据平台的特性，构建更贴合大数据应用的数据仓库。 数据集市层是上下三层架构的最上层，通常是由需求场景驱动建设的，并且各集市间垂直构造。在数据集市层，我们可以深度挖掘数据价值。值得注意的是，数据集市层需要能够快速试错。 二、数据架构 数据架构包括数据整合、数据体系、数据服务三部分。其中，数据整合又可以分为结构化、半结构化、非结构化三类。 2.1.2 日志结构化 在传统的架构中，日志的结构化处理是放在数仓体系之外的。 尽管目前数仓架构体系中并不包含非结构化数据特征提取操作，但在未来，这将成为可能。
29810编辑于 2025-12-23- 来自专栏超级架构师
【PostgreSQL 架构】PostgreSQL 11和即时编译查询
此处使用的完整架构在tpch-schema.sql上可用，而索引在tpch-pkeys.sql和tpch-index.sql上。 原文：https://www.citusdata.com/blog/2018/09/11/postgresql-11-just-in-time/ 本文：http://jiagoushi.pro/node /924 讨论:请加入知识星球或者微信圈子【首席架构师圈】 微信公众号如果喜欢仙翁的分享，请关注微信公众号【首席架构师智库】 仙翁小号如果想进一步讨论，请加仙翁小号【intelligenttimes】， 注明你希望加入的群：架构，云计算，大数据，数据科学，物联网，人工智能，安全，全栈开发，DevOps，数字化，产品转型。 微信圈子如果想和志趣相投的同好交流，请关注仙翁的微信圈子【首席架构师圈】。 如果想向大咖提问，近距离接触，或者获得私密分享，请加入知识星球【首席架构师圈】
2.3K20发布于 2020-07-20 （一体化架构有疑问）
是什么让这个简单的架构变得如此特别以至于它被过度炒作？将整个正在运行的应用程序从一体化转移到微服务架构是否值得付出的努力和痛苦？当我们开始在项目中使用微服务时出现了很多类似的问题。 在本博客中，我们将尝试回答这些问题并深入研究微服务架构，并将其与一体化架构进行比较。 什么是微服务？它与一体化有何不同？ [2gvoo5y4nn.jpeg] 微服务是小型自主服务工作的集合。 为什么不采用一体化架构？ [bqdy8z6pg7.png] 有个主要问题是，如果我们有一个功能完整的一体化应用程序正在运行，为什么要转换？为什么要增加开销并付出额外的努力？ 使用一体化架构，我们无法独立扩展每个组件，因此即使大多数组件可能不需要扩展，整个应用程序也需要进行扩展。 可靠性 - 一体化应用的另一个问题是可靠性。 现在我们对一体化和微服务是什么以及他们的优缺点有一个大概的认识。 [k0h9rd7vla.png] 总而言之，一体化架构更适合简单轻量级的应用。
1.6K50发布于 2018-06-25- 来自专栏IT架构圈
『互联网架构』软件架构-spring之AOP场景实战（11）
PS：详细得我不多说了，直接看源码把，主要理解这个思路里面有classload加载对应的class，通过spring的IOC加载bean的方式获取Advice，进行控制。
39320发布于 2019-03-08 - 来自专栏大数据解决方案
实时离线一体化技术架构(万字，15张图）
： 架构实现 数据实时同步—Confluent Platform架构实现 debezuim：业务库使用的是MySql,如果在即时查询系统中查询到的结果与业务系统查询结果同等，需要实时同步业务数据，并实时提供查询能力 实时离线一体化系统之技术架构 实时离线一体化系统之数据流 实时离线一体化接入 大数据的来源主要分为三个： 第一个来源是内部系统的Mysql数据库(业务分析) 第二个来源是应用App(用户轨迹) 这个问题跟我们的需求演化和公司系统架构有关系，presto从支持标准的sql上看，可以减轻业务侧对现有的功能sql改造，简单来说就是为了兼容现状。 透明的数据分层存储 整个系统架构里，有两个地方可以存储数据，一个是Kudu,另一个是HDFS。而Kudu存储的数据大多是即时查询系统数据和经过业务处理分析后的APP层、DWS层数据。 展望未来 1、基于整合后的架构，未来我们可以提供更多的能力，让更多的存储引擎支持Hive Metastore，使HMS的元数据服务支持丰富化。
2.2K20发布于 2021-10-22 - 来自专栏卯金刀GG
淘宝应对双11的技术架构分析
双“11”最热门的话题是TB ，最近正好和阿里的一个朋友聊淘宝的技术架构，发现很多有意思的地方，分享一下他们的解析资料： 淘宝海量数据产品技术架构 数据产品的一个最大特点是数据的非实时写入，正因为如此 图1 淘宝海量数据产品技术架构 按照数据的流向来划分，我们把淘宝数据产品的技术架构分为五层（如图1所示），分别是数据源、计算层、存储层、查询层和产品层。 以上是淘宝海量数据产品在技术架构方面的一个概括性的介绍，接下来我将重点从四个方面阐述数据魔方设计上的特点。 图8 glider的技术架构 有经验的读者一定可以想到，从本质上来讲，这就是广义上的异构“表”之间的JOIN操作。那么，谁来负责这个事情呢？ 所以说，一个良好的架构固然能够在很大程度上降低开发和维护的成本，但它自身一定是随着数据量和流量的变化而不断变化的。我相信，过不了几年，淘宝数据产品的技术架构一定会是另外的样子。
3.2K20发布于 2019-07-26 - 来自专栏张善友的专栏
.NET 11 Preview 2 架构演进、技术深度解析
作为一个标准期限支持（Standard Term Support, STS）版本，.NET 11 的支持生命周期为18个月，预计将于2028年11月结束 。 这种架构转变直接削减了内存分配峰值，显著降低了垃圾回收器的常态化压力。 硬件加速与基础类库（BCL）的深度优化 不断从现代 CPU 架构中压榨极致性能，并缩小应用程序的物理占用空间，是.NET 11 开发周期的另一大核心支柱。 对于 ARM64 架构，.NET 11 优化了 stackalloc 的内存清零机制，通过更高效地利用 STORE_BLK 指令，大幅减少了栈内存分配时的总指令数 6。 虽然该特性原计划在较晚的预览版中推出，但社区代码库追踪显示，早期的 Unions 特性代码已被合并至.NET 11 Preview 3 的分支中，并在 Preview 2 发布期间引发了极其广泛的架构审视
40110编辑于 2026-03-14 - 来自专栏云计算linux
前端架构师之11_JavaScript事件
用户单击button按钮，这个行为就会被JavaScript中的click事件侦测到；然后让其自动执行，为click事件编写的程序代码，如在控制台输出“按钮被单击”。
1.7K10编辑于 2024-12-13 - 来自专栏攻城狮Chovas
微服务架构Day11-SpringBoot之检索
SpringBoot自动配置的ElasticsearchRepository,ElasticsearchTemplate,Client
49820编辑于 2022-01-22 - 来自专栏java_python
java架构之路-（11）JVM的对象和堆
上次博客，我们说了jvm运行时的内存模型，堆，栈，程序计数器，元空间和本地方法栈。我们主要说了堆和栈，栈的流程大致也说了一遍，同时我们知道堆是用来存对象的，分别年轻代和老年代。但是具体的堆是怎么来存放对象的呢？什么时候可以将对象放置在老年代呢。下面我来看一下。
62340发布于 2019-09-18 mapvthree Engine 设计分析——二三维一体化的架构设计
mapvthree Engine 作为二三维一体化渲染引擎的核心，其设计理念既不同于传统地图引擎，也不同于纯粹的 3D 渲染引擎。 本文将从架构设计的角度，深入分析 Engine 如何巧妙地融合两种设计范式，创造出独特的二三维一体化架构。 四、二三维一体化的实现机制4.1 坐标系统统一Engine 通过统一的坐标转换接口，实现了地理坐标和 3D 坐标的统一：// 地理坐标 → 3D 坐标（无论使用什么投影）const position = 它既不是简单的地图引擎，也不是纯粹的 3D 渲染引擎，而是将两种设计范式巧妙融合的创新架构。 地理坐标系统和 3D 坐标系统通过统一接口无缝转换模块化设计：功能模块职责清晰，易于扩展和维护这种设计使得 Engine 能够满足从传统地图应用到复杂 3D 场景的各种需求，为开发者提供了一个既强大又灵活的二三维一体化解决方案
21810编辑于 2025-11-24- 来自专栏JavaEdge
Tomcat架构解析之2 connector BIOHTTP11ProtocolMapperCoyoteAdapter
它主要是接收，解析HTTP请求，然后调用本service下的相关Servlet Tomcat从架构上采用的是一个分层结构，因此根据解析过的HTTP请求，定位到相应的Servlet也是一个相对比较复杂的过程 相对来说，Tomcat在处理静态页面方面一直有一些瓶颈，因此通常的服务架构都是前端类似Nginx的web服务器，后端挂上Tomcat作为应用服务器(当然还有些其他原因，例如负载均衡等) Tomcat在 协议实现默认支持BIO的 无论BIO/NIO都是实现一个org.apache.coyote.ProtocolHandler接口，因此如果需要定制，也必须实现这个接口 来看看默认状态下HTTP connector的架构及其消息流 Connector的三大件 HTTP11Protocol Mapper CoyoteAdapter HTTP11Protocol 类全路径org.apache.coyote.http11.Http11Protocol ); connector的容器就是StandardEngine，代码的可读性很强，获取StandardEngine的pipeline，然后从第一个valve开始调用逻辑，相应的过程请参照tomcat架构分析
1K50发布于 2018-05-16 - 来自专栏巴啦啦的积累
《架构整洁之道》第 11 章 DIP：依赖反转原则
均为原创，读架构整洁之道的笔记。依赖反转原则：（DIP ：Dependency Inversion Principle）。 这就可以认定，接口比实现稳定，如果想要追求架构上的稳定，就必须多使用抽象的，少依赖多变的具体实现。具体的编码守则：多使用抽象接口，尽可能的避免依赖多变的具体实现。 控制流（抽象层）跨越架构的边界（红线），与源代码（具体实现）跨越该边界的方向是相反的。这就是DIP被称为依赖反转的原因。避开了直接依赖具体实现。 本章小结主要关注那条红色曲线，那是架构边界。
62220编辑于 2023-05-27 - 来自专栏Apache Doris
Apache Doris AI 能力揭秘（四）：HSAP 一体化混合搜索架构全解
多系统拼接方案的痛点为实现混合搜索的能力，许多系统采用“向量数据库 + 搜索数据库 + OLAP 数据库”组合式架构来支撑类似能力。 而 Apache Doris HSAP 能力的实现并非一蹴而就，整体架构的演进分为三个阶段，如下所示。 为了让搜索能力真正适配 AI Agent 的分析场景，Doris 对倒排索引进行了系统化的架构设计与工程优化。 而 Doris 的向量索引与倒排索引采用一体化架构，用户可以像处理倒排索引一样异步构建向量索引，最大限度降低对写入性能的影响。同时，调整向量索引构建参数时，用户可以轻松进行索引的删除与重建。 ...]) as dist FROM sift_1M WHERE l2_distance_approximate( embedding, [0,11,77
26110编辑于 2025-12-22 腾讯与销售易智能一体化CRM联合架构与业务影响解析
行业正亟需从被动的“大型结构化数据记录系统”向以智能驱动、自然语言交互为核心的“交付行动和结果的智能体生态（AI CRM）”演进，以实现多区域、多语言、多币种的全球化业务一体化管控，并在GDPR等严格合规框架下全面守护从 构建基于国产大模型与协同生态的智能体业务矩阵 为解决AI落地的“最后一公里”难题，腾讯联合销售易（北京仁科互动网络技术有限公司）推出了一体化智能CRM解决方案。 该方案以Data Cloud（AI数据基座）为核心，结合MCP广场（激活生态共创能力），构建了一系列企业级AI Agents（NeoAgent），全面重塑产品架构与开发平台。 1.
25520编辑于 2026-04-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号