2012年加入京东以来，他一直致力于智能供应链技术及业务体系建设，带领团队打造了国内零售行业规模最大的智能供应链平台，承接“科技部科技创新2030”、“中关村国家自主创新示范区”等多项国家重点科研项目，一系列技术突破被Management Science等国际顶级期刊收录，并多次获得Franz Edelman、Gartner技术创新等国际奖项。它们不再是完成单一任务的模块，而是拥有完整决策权的“虚

正式开源

2025年，虚拟试衣已成为电商行业不可或缺的核心环节，从技术落地到商业变现，全行业都在加速布局这一赛道。什么是虚拟试衣？其背后的核心技术方案有哪些？国内外电商大厂又有哪些典型实践案例？如何突破技术瓶颈，打造更贴合用户需求的试穿体验？电商平台又该如何构建完整的AIGC能力矩阵？本文分享将深度拆解虚拟试衣的技术逻辑、行业实践与未来趋势，解锁电商AIGC的全域布局思路。内容围绕以下板块展开：首先解析虚拟

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。