全链路压测助力大促常态化

多种备战预案 助力大促常态化

为确保消费者享受便利、快捷、智能、个性化购物体验，京东首席架构师、基础平台部负责人刘海锋表示，无论是618还是双十一，技术团队都会提前做大促备战，因为涉及不同的技术团队，并且每个团队负责的业务模式不同，因此备战的方式并不唯一。更多的是将各个技术团队拧成一股绳，携手解决共性的问题。

京东首席架构师、基础平台部负责人刘海锋

例如，在今年京东618大促期间，共有5000多名技术人员参与备战，涉及2000多个系统、10000+应用，并且做了上千次应急预案，其中全链路压测进行了3次以及数十次故障演练，助力大促活动完美落幕。

其中主要工作内容涵盖四个方面：

• 首先，资源的规划问题。每到大促来临之前，京东的技术团队会将服务器、硬件等资源统一分配和调度，协调好各个技术部门之间的部署工作；
• 其次，故障的演练。京东的技术团队会做多层次、不同例子的故障演练，以确保系统得到更好的检测；
• 再次，大流量压测。如今年618采用单体压测、联动压测以及全链路压测，以此分析和评估系统的性能瓶颈。
• 最后，统一协调各个技术团队之间的配合工作，更高效、更默契的完成大促的备战。
  自去年双十一后，刘海锋便提出将大促备战常态化，即定期做演练、定期做压测，不一定非要等到大促前夕备战，特别是引入ForceBot军演机器人后，相当于京东的技术团队经常会模拟大促压测，待大促真正到来时备战更加轻松。

个性化购物体验及数据优化升级

在今年大促活动，京东技术团队更加突显个性化购物体验，即千人千面的精准商品推送。刘海锋表示，往年个性化都会做降级处理，而今年则是拿出35%左右的资源投到个性化推荐中。

同时，刘海锋还表示，个性化推荐不仅需要对算法和模型进行优化，还要充分考虑计算资源，京东在不同纬度都做了个性化。而对于人工智能等新技术也有所运用，如无人车、无人仓、智能家电、音箱等，还有AR/VR等都做了新的尝试。

此外，京东技术团队在数据处理和数据质量优化方面都做了创新，如多维度理解和优化商品数据。商品数据是电商的核心，随着京东自营比重的降低，商品数据质量也在发生变化。尤其是长尾商品数量的增多，其数据属性容易出现缺失或填写错误。

因此需要解决很多问题，如利用机器学习，特别是深度学习技术，快速筛选不对称的商品信息。而解决这个问题的收益来自两个方面，一方面使消费者获得更好的购物体验；另一方面能促使商家向良性生态发展，这是一个典型技术影响业务的工作。

机器学习技术赋能商家提升运营效率

由于大量人工智能技术的应用，对于运营效率也有明显的提升。刘海锋表示，过去当商家把商品信息上传后，京东需要人工审核商品信息的合规性。如今利用机器学习系统，能够大幅降低人工审核成本。

另一方面，在流程末端，物流中的关键环节是根据订单来选择配送站及配送员，这个环节同样基于机器学习的模型，进一步提升准确率。而对于长尾地址亦或地址中存在错别字等问题，通过机器学习技术，京东技术团队设计一个大规模文本分类，通过两层的神经网络将地址填错、别名或漏字问题更好的解决。

商家在更新商品目录时，同样可基于机器学习技术，系统可自动推荐或自动匹配相关商品属性，既便于商家信息录入，也便于管理商品信息，后期对于用户检索商品其精准度更高。这里同样基于大规模文本分类技术，而机器学习是比较擅长处理文本分类信息。如今，京东基于人工智能技术其商品类目自动识别准确率已达99%，远超人工。

大促备战经验分享

对于类似的大促备战，刘海锋也分享了这几年的实战经验，主要分为三个方面：

• 首先，技术一定要放在平时，并且应用技术要具有前瞻性，技术需要提前规划。京东技术团队在做每个项目时，并不仅仅局限于解决眼前所遇到的难题，而是为了让接下来半年亦或一年有更好的保障。
• 其次，在做系统保障时，其实是有方法可循的。无外乎三件事，即资源规划、故障演练和系统压测。
• 最后，需要具备强大的自信心，整个技术团队要拧成一股绳，不要相互推诿，相互协作来保障系统的稳定。

而京东近几年其系统架构也一直在升级，刘海锋坦言，个人比较喜欢升级并且一直在做，从底层来讲，从数据中心建设，由最初的单机房到双机房，再到北京多机房，以及后续全国各地的多机房，京东从最基层的基础设施升级变革，以此来保证各种大促活动的顺利进行。

618大促犹在昨日，而马上将要迎来国庆假期和双十一大促，显然京东在技术层面已经做好了充足的准备，为每一位消费者提供智能、便利、个性化、快捷的购物体验，也是京东技术团队的使命！