京东数据湖技术推动数据资产准实时化，已支撑500PB以上数据规模。基于Hudi内核深度优化，京东自研了LSM-Tree架构的MoR表格式、外键索引、增量表服务等关键技术，读写性能提升2-10倍。在流量数仓等业务场景中，解决了数据倾斜、并发更新等难题，实现分钟级时效。团队已向社区贡献109个PR，未来将推进多模态存储、NativeIO和湖流一体等技术创新，持续提升数据价值。

本文将从概念辨析出发，系统拆解主流存储模型与存储引擎的设计逻辑，对比 JMQ、Kafka、RocketMQ的技术选型差异与架构设计。

关键发现1、HashMap.get() 操作成为最大 CPU 热点（4.08%），集中在 GroupIdHitMemCache.trans() 方法2、Caffeine 缓存频繁加载导致性能瓶颈（3.9%），主要在 RuleValueCache.get() 调用3、外部 RPC 调用（Molo 智能服务）占用大量 CPU 资源（2.62% + 1.66%）4、HashSet.contains()

正式开源

Taro 是由京东发起并维护的开放式跨端跨框架解决方案，支持以 Web 的开发范式来实现小程序、H5、原生 APP 的跨端统一开发，从 18 年开源至今，在 GitHub 已累计获得 36,000+ Stars。。

基于 Taro 打造的京东鸿蒙 APP 已跟随鸿蒙 Next 系统公测，本系列文章将深入解析 Taro 如何实现使用 React 开发高性能鸿蒙应用的技术内幕

本文将详细介绍京东自研鸿蒙图片库的开发过程及其技术原理。

Taro 鸿蒙方案基于鸿蒙 CAPI 进行构建，实现了将 React DSL 直接对接到 C++ 侧来运行整体渲染管线，从而实现了与原生齐平的渲染性能，同时 Taro 鸿蒙方案是多线程架构的方案，在应用渲染性能、操作响应时延上都在业界做到极致，并且 Taro 鸿蒙方案支持动态更新，是行业首创且经过大规模 APP 应用场景验证的开发框架，综合性能、生态以及开发体验来讲，毫无疑问已经成为了开发鸿蒙应用

详细介绍了基于大模型的生成式检索，从 Lexical based 方向深入探究大模型生成式检索的应用，从 SemanticID based 方向深入探究大模型生成式检索的应用。

基于 Taro 打造的京东鸿蒙 APP 已跟随鸿蒙 Next 系统公测，本系列文章将深入解析 Taro 如何实现使用 React 开发高性能鸿蒙应用的技术内幕