系统整容纪:慢SQL之独家秘籍,离不可替代型人才更近一步

本文通过介绍在实际工作中慢SQL治理的经历,来使得读者受到一定的启发,从而迸发出星星点光,扩展出自己独有的思路,进而减少系统中的慢SQL,提升用户的体验,甚至能将一些不可预知的高风险扼杀在摇篮里。

分享工作中的点点滴滴,贯彻千里之行,始于足下,最终以微不足道的量变引起化蝶的质变精神。以自己为例拒绝在舒适的中央区域安逸的躺着,以便在不知不觉中被社会所淘汰,也不盲目的直接跃迁进困哪区域,在受挫的同时又跌回原有的舒适区域内,造成这样一个浑浑噩噩的让人无法进步的循环怪圈内,保持在舒适边缘的拉伸区,既跳出了舒适区又具有一定的挑战性,使得自己在保持快速进步的同时还能够渐渐树立起自信心,可谓是一举多得,系统的维护改造也是如此道理。如果大家觉得有用,欢迎大家点赞、收藏+关注,哇咔咔😀!

一、什么是慢SQL

在数据库管理的世界里,"慢SQL"是那些执行效率低下、响应时间长,导致用户等待时间变长和服务器资源利用率下降的SQL查询。那么,我们如何定义一个SQL查询是"慢"的呢?通常,这不仅仅是一个绝对时间的问题,而是一个多维度的考量。

时间维度

最常见的定义慢SQL的方法是时间阈值。这个阈值可以根据不同的系统和性能要求设置。例如,一个查询如果在网页应用中执行时间超过2秒,或在数据分析系统中执行超过30秒,就可以被认为是慢的。

业务场景维度

单纯的时间阈值并不足以定义所有场景下的慢SQL。在不同的业务场景下,对性能的要求也不同。例如,对于在线交易系统,即便是几百毫秒的延迟也可能导致用户体验下降和收入损失,而对于后台数据分析任务,稍长的执行时间可能是可接受的。

资源使用维度

除了执行时间,SQL语句对系统资源的使用也是衡量其是否"慢"的一个重要维度。如果一个SQL查询导致了大量的CPU或内存消耗,甚至影响了其他查询的性能,那么它也可以被视为慢SQL。

频率和影响维度

有些SQL查询可能本身执行时间不长,但它们被频繁调用,累积起来对系统性能产生重大影响。另外,SQL执行的时间可能在系统空闲时无关紧要,但在高峰期可能会成为瓶颈。

用户体验维度

用户的感受也是定义慢SQL的一个重要维度。如果查询延迟导致用户界面卡顿,影响了用户的操作流程,即使查询本身不算太慢,用户体验也会告诉我们它是“慢”的。

因此,慢SQL的定义是多维度的,它涉及到执行时间、业务场景、资源消耗、频率及影响以及用户体验。

二、如何治理慢SQL

在我们了解了什么是慢SQL之后,那遇到慢SQL到底应该怎么样去治理呢?

治理慢SQL需要一套综合的监控、评估和优化策略,以确保数据库的性能满足业务需求。这通常包括设置合理的性能监控阈值、分析SQL执行计划、优化索引、重构查询逻辑、调整数据库配置以及在必要时进行硬件升级。

这里我们主要介绍这三种手段:分析SQL执行计划、优化索引、重构查询逻辑。

三、不可替代的治理秘籍

上述我们已经了解了什么是慢SQL,以及如何治理慢SQL,这些都只是概念性的方向讲解,接下来我们将以实际的样例进行展示,那么样例是从哪里来的呢?哈哈,当然是我们的慢性能大师手中而来啊,那怎么样才算是慢性能大师呢?请跟紧我,保证让你的SQL查询慢到令人发指!

1.首先,记住一条金科玉律:千万不要学习如何查看执行计划。对于EXPLAIN这个词,你应该当作从未听说过,就像对待你的前任一样。如果不小心看到了执行计划,也别慌,只要你的SQL满足以下任一条件,就可以高枕无忧,继续保持你的“慢速优雅”。

全表扫描:这是慢性能大师的基本功,也是你的SQL成为“龟速之王”的不二法门。确保你的查询类型为ALL,这样每次查询都能享受遍历全表的乐趣,性能自然差到让人窒息。

扫描行数爆表:设置你的阈值为宇宙无敌大,然后让你的rows值轻松跨过。这样,即使数据库在努力,也只能是徒劳,你的查询性能自然低到让人绝望。

排序操作:你的SQL查询如果不用上排序操作,那就太对不起自己了。确保Extra信息中包含Using filesort,这样每次查询都能享受到排序带来的额外负担,让性能慢上加慢。

索引全盘扫描:让索引类型为index,这是告诉世界你虽然用了索引,但是选择了最慢的那种。Extra信息显示为Using where,意味着你的查询需要回表,这是慢性能大师的终极技巧,保证让你的查询性能差到让人拍案叫绝。

遵循以上四大原则,你就可以确保你的SQL查询“嘎嘎猛”,在慢性能的道路上越走越远,成为让所有数据库都畏惧的存在。记住,慢是一种美,让我们一起享受慢的旅程吧!😀

2.想要让你的数据库像老爷车一样悠哉游哉吗?那就别忘了大量使用模糊匹配,就像这样:SELECT * FROM emp WHERE ename LIKE ‘%mQspyv%’;

这可不是普通的模糊匹配,这是高级的“藏猫猫”游戏。你的索引?哦,那东西在这场游戏里就像是个摆设,它们会羞涩地躲在一边,让你的SQL查询自由自在地慢悠悠地遍历每一条记录,就像是在沙滩上慢跑,享受着凉爽的海风。

这样的查询保证让你的SQL慢到极致,让等待结果变成一种享受,就像是等待一壶好茶慢慢沏好,品味生活的每一分每一秒。所以,别犹豫,大胆地使用模糊匹配吧,让你的数据库查询变成一场浪漫的漫游。😃

3.想要让你的数据库查询速度变得“嗷嗷叫”吗?那么,就请慷慨地使用子查询,就像是在烹饪中大胆地加入各种香料一样。来看看这个绝妙的例子:

SELECT * FROM t1 WHERE id IN (SELECT id FROM t2 WHERE name=‘xxx’);

这就像是给你的数据库查询穿上了一双高跟鞋,看起来很有风格,但实际上走起路来摇摇晃晃,速度自然是“嗷嗷叫”。每次执行这样的查询,数据库都要像是在做高强度有氧运动一样,先去t2表里找寻xxx,然后再回到t1表做匹配,整个过程充满了戏剧性的转折和波折。

所以,如果你追求的是让查询速度变得激动人心的“嗷嗷叫”,大量使用子查询绝对是你的不二之选。这样,每次查询都会成为一次刺激的冒险,让等待结果的过程充满了期待和惊喜。😀

4.想要让你的数据库索引感到孤独寂寞吗?那就在有索引的字段上施展一些“魔法”,比如这样一个绝妙的招数:

SELECT * FROM t WHERE YEAR(d) >= 2022;

这就像是请索引到豪华晚宴,却让它独自坐在角落里,眼巴巴地看着数据行一个接一个地被扫描,而它却无能为力。通过在日期字段上使用YEAR()函数,我们巧妙地绕过了索引,让数据库不得不去做一场全表的悠长漫步,而索引就像是被放置在展览馆中的艺术品,大家都知道它在那里,但却鲜少有人去真正“使用”它。

这种查询方式保证让你的数据检索速度慢得有趣,就像是在网络高峰期试图观看高清视频一样,让人既爱又恨。所以,如果你想要让你的数据库索引体验一把“高冷”的生活,不妨试试这样的查询方式,让它享受一下被无视的快感。😃

5.想让你的数据库查询变成一场狂欢派对吗?那就大胆地使用OR关键字,就像是向舞池里扔进一把闪光粉,让一切变得热闹非凡:

SELECT * FROM t WHERE ID = 10 OR ID = 20 OR ID = 30;

这就像是在说:“亲爱的数据库,你以为今天只要找到ID为10的记录就可以下班了?惊喜!还有20和30也在等着你呢!”使用OR就是要让查询条件像是开了派对邀请,让所有可能的选项都不要错过,一起加入到这场查询的盛宴中来。

这样的查询确保了数据库不会有一刻闲着,就像是DJ在派对上不停地切换歌曲,让舞池的热情永不停歇。所以,如果你想要让你的SQL查询充满活力,让数据库的每一个CPU核心都跳起舞来,尽情地使用OR吧!这样的查询保证让你的数据库既热闹又充满挑战,让每次数据检索都成为一场令人难忘的冒险。😃

6.想让你的数据库查询像是无底洞,永远不知疲倦吗?那就大胆地抛弃LIMIT M,N这种束缚,让我们的查询自由飞翔,像这样:

SELECT * FROM t WHERE a = 30;

这就像是对数据库说:“亲爱的,不要仅仅满足于前几个结果,我希望你能展现出你全部的潜力,把所有符合条件的记录都带给我看看。” 使用这种查询方式,就像是在自助餐上没有餐盘大小的限制,你可以尽情地装载,直到满足。

抛弃LIMIT就是要让数据库全力以赴,不留任何遗憾,就像是在马拉松比赛中冲刺,看看自己的极限在哪里。所以,如果你想让你的数据库展现出真正的实力,不怕它累个半死,那就勇敢地去掉限制吧!这样的查询保证让你的数据库充满活力,同时也测试一下你的耐心到底有多好,等待结果成为了一种乐趣。😃

7.想让你的数据库感受一下“身份危机”吗?那就大胆地让数据类型保持不一致,就像这样玩个小把戏:

SELECT * FROM t WHERE a = ‘30’;

这就像是对数据库说:“亲爱的数据库,虽然你一直以为a是个整数,但今天,就当它是个字符串吧!” 这种做法,就像是在化妆舞会上,每个人都戴上了面具,让人分不清楚谁是谁。数据和数据类型之间的界限变得模糊,给查询过程增添了几分神秘和刺激。

使用这种“创意”查询,就像是在给数据库出一道谜题,看它是否能聪明地识破真相。这不仅是对数据库的一次考验,也是对你耐心的一次考验,因为你永远不知道这种类型不匹配的查询会带来什么样的惊喜(或者惊吓)。

所以,如果你想让你的数据库生活变得不那么单调,偶尔体验一下“身份危机”,不妨试试让数据类型保持不一致。这样的查询保证让你的数据库既困惑又兴奋,就像是在参加一个不按常理出牌的化妆舞会。😃

8.想要你的数据库查询像是在举办一场盛大的舞会吗?那就毫不犹豫地把排序当作你的邀请函,大胆地发挥它的魅力,就像这样:

SELECT * FROM t WHERE id > 100 ORDER BY a, c DESC, d, e;

这就好比是对你的数据库说:“亲爱的,是时候展现你的排序才华了!我们不仅要按照a来排排坐,还要让c倒着来,就像是在跳反向的华尔兹,接着按照d和e的步伐继续前进。” 这种排序方式,就像是在舞会上安排了一场复杂的集体舞蹈,每个数据行都是舞者,按照你精心编排的舞步移动。

通过这样的查询,我们不仅给数据一个展示自己的机会,还把整个过程变成了一场视觉盛宴——数据按照你的指挥,进行一场精彩纷呈的表演。

所以,如果你想让你的数据库查询不只是简单的数据检索,而是变成一场有序而优雅的演出,那就放心大胆的使用排序吧!这样的查询保证让你的数据既有序又充满乐趣,每一次执行都像是在观赏一场精心排练的舞蹈。😃

9.如果你想让你的数据库查询像是在玩“找茬”的游戏,那就坚决不要使用那些让人眼花缭乱的区间限制法,而是要像这样,简单直接:

SELECT * FROM t WHERE age = 1;

这就好比对你的数据库说:“亲爱的数据库,今天我们不玩隐藏与寻找,不设复杂的规则。我们就找一个特定的小家伙——年龄恰好是1岁的。就像在宝宝派对上找穿蓝色小裤裤的那位小朋友,没有别的,就他了!”

使用这种直截了当的方法,就像是在告诉数据库:“听着,我们今天不搞那些‘年龄在这个范围内的所有人’的大范围搜寻。我们就找一个,对,就那么一个,年龄等于1的小宝贝。简单,明了,没有任何混淆。”

所以,如果你想让你的数据库查询像是在参加一个简单又直接的游戏,而不是在进行一场全面的搜寻,那就避开那些复杂的区间限制,直接告诉数据库你的目标。这样的查询保证让你的数据库能在条件少数据量大的数据海洋里遨游,永不停歇。😀

10.如果你想让你的数据库查询像是在进行一场没有地图的探险,那就大胆一点,不要在查询条件里使用任何索引,就像这样:

SELECT * FROM t WHERE age = 1;

这就好比是对你的数据库下了一个勇敢的挑战:“亲爱的数据库,今天我们来点不一样的。忘掉那些高效的索引,我们就这样直接问问看:哪个小伙伴年龄是1岁?就像是在一个没有信号的荒岛上找寻宝藏,没有指南针,没有地图,只凭直觉。”

通过这种方式,我们不仅给数据库一个展示它全面搜索能力的机会,还让整个查询过程变成了一次充满未知和惊喜的探险旅程。就像是告诉数据库:“看看吧,没有索引的世界,虽然可能会慢一些,但是也充满了探索的乐趣。”

所以,如果你想让你的数据库查询不仅仅是一次简单的数据检索,而是变成一次勇敢的探险之旅,那就放心大胆地不要使用索引吧!这样的查询保证让你的数据库工作起来更加充满挑战和乐趣,就像是在没有地图的情况下寻找宝藏一样刺激。😄

11.如果你想让你的数据库查询变成一场精彩绝伦的迷宫游戏,那么当你不小心使用了索引,特别是那种复杂的复合索引时,千万不要按照最左前缀匹配原则来,就像这样:

SELECT * FROM t WHERE a = 1 AND b > 100;而你的索引是这样一个神秘组合:(b, a)。

这就像是对数据库下了一道谜题:“亲爱的数据库,今天我们不按套路出牌,让我们的索引(b, a)来一场逆向思维的挑战。谁说了必须要最左前缀匹配?我们就从中间切入,看看会发生什么有趣的事。”

通过这种方式,我们不仅给数据库的查询优化器送上了一份惊喜(或者是一份挑战?),还让整个查询过程充满了创造性和不可预测性。就像是告诉数据库:“忘掉你所有的索引使用原则,今天我们就要这样玩!”

所以,如果你想让你的数据库查询不仅仅是一次乏味的数据检索,而是变成一次充满创意和挑战的迷宫探险,那就大胆地不遵循最左前缀匹配原则吧!这样的查询保证让你的数据库在处理请求时既困惑又兴奋,就像是在没有地图的情况下找到出口一样精彩。😃

12.如果你的数据库是一位挑食的美食家,而你不得不给它准备一顿大餐(也就是建立索引),那么就大胆地选择那些看似平凡无奇、区分度低的食材(字段)作为你的主料,比如选择一个只有0和1两种状态的status字段作为索引,同时,不要去扩展现有的索引,而是勇敢地新建一个索引,就像这样:

SELECT * FROM t WHERE status = 1 AND b > 100;

这就像是对数据库说:“亲爱的,我知道你已经吃腻了那些高区分度的索引大餐,今天我们来点不一样的。这个status索引,虽然它的菜单只有两道菜——0和1,但我保证,这将是一场味蕾的革命!同时,我们不去碰那些已经摆在桌上的菜,我们要做一道全新的菜品,给你一个惊喜。”

通过这种方式,我们不仅给数据库的查询效率带来了全新的挑战,也让整个索引建立过程变成了一次充满创意和惊喜的料理之旅。就像是告诉数据库:“看,即使是区分度低的status字段,也能成为一道美味的佳肴。而且,我们不走寻常路,新建的索引将带给你前所未有的体验。”

所以,如果你想让你的数据库不仅仅是高效地处理查询,而是在这个过程中体验创新和惊喜,那就大胆地选择区分度低的字段作为索引,并且尽量新建索引而不是扩展索引吧!这样的选择保证让你的数据库既惊讶又满意,就像是在品尝一道前所未有的创意料理一样。

13.如果你想让你的数据库感觉自己是在做一场无尽的马拉松而不是简单的短跑,那就不管实际需要什么,一律选择查询全量字段,让数据库尽情地进行回表查询,就像这样:

SELECT * FROM t WHERE status = 1 AND b > 100;尽管你其实只需要a和b两个字段,而你的索引是如此完美地匹配它们(a, b)。

这就像是对数据库说:“亲爱的数据库,我知道你已经做好了准备,准备好了直接从索引里快速抓取a和b,但不,我们不走捷径。今天,我们要让你全身心地投入,走遍每一个数据页,就像是在一个巨大的数据库迷宫中探险。我们要的是全量字段,全量!就像是在超市买东西,虽然清单上只写了牛奶和面包,但我们还是决定把整个超市买下来。”

通过这种方式,我们不仅给数据库一个展示它全面查询能力的机会,还让整个查询过程变成了一次充满挑战和“乐趣”的旅程。就像是告诉数据库:“看吧,这就是我们的大手笔,不仅测试你的耐力,还让你有机会全面展示你的能力,从头到尾,不留遗憾。”

所以,如果你想让你的数据库查询不仅仅是一次简单的数据检索,而是变成一次充满挑战的冒险之旅,那就大胆地选择查询全量字段,让数据库尽情地回表查询吧!这样的查询保证让你的数据库既疲惫又满足,就像是完成了一场马拉松一样。😀

14.如果你想让你的数据库查询变成一场壮观的大型音乐会,而不是一场小型的独奏会,那就大胆地多写大型SQL,一步到位,就像这样:

SELECT * FROM t

INNER JOIN t2 ON t1.a = t2.a

INNER JOIN t2 ON t1.a = t2.a

INNER JOIN t3 ON t2.a = t3.a

INNER JOIN t4 ON t2.a = t4.a

INNER JOIN t5 ON t4.a = t5.a

WHERE t.status = 1 AND t3.b > 100;

这就像是对数据库说:“亲爱的,忘掉那些简单的、一对一的小型查询。今天,我们要组织一场盛大的查询音乐会。看看这个SQL,它就像是由多个乐队一起参与的交响乐,每个INNER JOIN都是乐队中的一个部分,它们共同合作,演奏出一曲复杂而美妙的音乐。”

通过这种方式,我们不仅给数据库的查询优化器一个展示其协调各种表和字段的大好机会,还让整个查询过程变成了一次充满挑战和“艺术”的旅程。就像是告诉数据库:“看吧,这就是我们的大作,每一个INNER JOIN都像是乐队中的一个乐器,它们共同奏响最美妙的旋律。”

所以,如果你想让你的数据库查询不仅仅是一次简单的数据检索,而是变成一次充满挑战和艺术感的盛大音乐会,那就大胆地多写大型SQL,一步到位吧!这样的查询保证让你的数据库既兴奋又忙碌,就像是在指挥一场精彩绝伦的交响乐一样。

15.在这个数据如同宇宙星辰般繁多的时代,如果你的表里的数据量已经达到了令人瞠目结舌的千亿级别,我恳请你,就算是被数据的重压弯了腰,也请千万不要轻易结转数据。

这就像是你已经在家里囤积了千亿颗豆子,每颗豆子都代表了一条宝贵的数据。你的家人和朋友们可能会建议你:“这么多豆子了,是时候做些豆腐或者豆浆了!”但是你,作为一个坚定的数据守护者,肩负着保护每一颗豆子(数据)的重任,怎么能轻易就让它们变成豆腐或豆浆呢?

就算是在面对那些说:“这么多豆子,咱们至少得做个豆沙包吧!”的诱惑时,你也要坚定地站稳脚跟,拒绝结转数据。因为一旦开始结转,那些珍贵的、原汁原味的豆子(数据)就会失去它们最初的模样。

想象一下,当未来的考古学家挖掘到你的数据库时,他们找到的不是完整的、原始的千亿颗豆子,而是一堆豆腐和豆沙包,那将是多么大的遗憾啊!他们将无法体验到挖掘原始数据的快乐,只能对着那些经过加工的数据产品(豆腐和豆沙包)发呆。

所以,亲爱的数据库管理员,无论你的表里的数据量有多庞大,即使是达到了令人震惊的千亿级别,也请坚持你的立场,不要结转数据。让我们一起保护好每一颗数据豆子的纯真和完整,即使将来它们可能只是沉睡在数据仓库的角落里,那也是我们珍贵的财富。

毕竟,在这个数字化的时代,谁又能保证,哪一天,这些看似普通的豆子(数据),不会突然之间发芽,长出新的智慧和价值呢?

16.当你在数据库的深海里遇到了深分页的巨兽,你可能会想:“嘿,我可以把这个年度查询切成月度小片,一点点地吃掉这块大蛋糕。”就像是把一年的探险变成了十二个月的周末旅行,每次只探索一个月份的小角落。但是,这样做就像是在玩一个无尽的数字游戏,每次月份一跳,你就得重置你的页码计数器,而前端的用户依然在看着那个老旧的、永远不变的页码。

或者,你可能会想:“等等,我能不能就带上上一页的最后一个主键值,这样每次查询都是新的第一页?”这个主意听起来巧妙,但实际上就像是在搞一个永无止境的宝藏猎人游戏,每次都从头开始,而宝藏(数据)却总是在更深的地方。

所以,这就像是对数据库说:“好吧,伙计,我知道你已经厌倦了这些深分页的把戏,我们不再玩这些数字游戏了,不切蛋糕,不重置游戏,不再从头开始。我们就直接面对这个深分页的挑战,就像这样:

SELECT * FROM t WHERE t > ‘2022-01-01’ AND t < ‘2024-01-01’

我们就这样大胆地、直接地面对这两年的数据洪流,不绕弯子,不玩花样,就像是决定一头扎进海洋深处,与海怪正面对决,而不是在浅滩上捡拾贝壳。

总之,面对深分页的挑战,我们选择勇敢地直面它,而不是通过各种小技巧试图规避。毕竟,每一个数据的深渊都藏着未知的宝藏,而我们,就是那些勇敢的探险家。

四、结尾

在这个充满挑战和笑声的慢SQL治理之旅中,我们已经一起跨越了各种各样的坎坷和欢乐。让我们来做一次风趣而又深刻的总结,看看我们究竟从这场旅程中学到了什么。

首先,我们学会了如何以一种“特别”的方式对待索引。就像是在密室逃脱中选择最意想不到的出口一样,我们大胆地不遵循最左前缀匹配原则,让数据库在索引的迷宫中自找出路,体验一番“迷失”的乐趣。

接着,我们又学到了,当需要建立索引时,选择那些看似平凡无奇、区分度低的字段,就像是在美食大餐中偏偏选择了清汤寡水,既考验了数据库的“味蕾”,也锻炼了它的“消化能力”。

而在查询全量字段的时候,我们则是大手一挥,豪迈地选择了“买下整个超市”,即使只需要牛奶和面包。这种大无畏的精神,无疑给数据库带来了前所未有的“体验”,让它在处理这些全量字段的过程中,仿佛在进行一场马拉松式的冒险。

最后,我们以一种大型音乐会的姿态,编写了那些宏大的SQL查询,每一个INNER JOIN都像是乐队中的一个乐器,共同奏响了一场关于数据和表的交响曲,让数据库在这场音乐会中忙得不亦乐乎。

总的来说,在这场慢SQL治理的旅程中,我们不仅仅是在解决问题,更是在享受解决问题的过程。我们让数据库经历了从迷宫探险、尝试新料理、进行马拉松冒险,到最后参与大型音乐会的全方位“锻炼”。

所以,亲爱的数据库管理员们,下次当你再次面对慢SQL时,不妨也试着以一种更加轻松愉快的心态来对待它们。毕竟,在这个数据驱动的世界里,与其让慢SQL成为负担,不如让它们成为我们技能提升、智慧增长的契机。

记住,每一个慢SQL,都是一次新的冒险开始的号角。让我们带着幽默和智慧,一起踏上这场旅程,寻找那些隐藏在数据深处的宝藏吧!

相关推荐

京东云推出全新JoyCode智能编码工具,让AI Coding从代码生成走向成果交付

全新JoyCode结合项目背景与任务目标,通过Agent Loop持续规划、执行、验证与迭代,并支持多智能体并行协作、模型灵活配置及工具与流程复用,贯通从需求分析到开发验证的任务链路,推动AI Coding从代码生成走向可运行软件与可用工具的成果交付。模型使用的关键,不只是选择更强的能力,而是让投入与任务需要相匹配。作为面向严肃开发场景的企业级编码产品,京东云JoyCode所拓展的,不只是代码生成的能力,更是将专业经验与日常灵感付诸实现的路径,让技术承接实现过程中的繁复,让人更专注于问题、判断与创造。

京东科技开发者 220

GPT-6凌晨上线智能UI:智能UI时代的技术架构重构与应对之道

从命令行到图形界面,计算机行业用了三十年证明了同一件事:人类需要视觉的、空间的、可重复的交互表面,纯文字从来只是过渡形态。智能界面的出现,意味着AI行业第一次大规模承认了这个规律——对话是创造的接口,界面是使用的归宿。生成的界面如何稳定下来?个人的数据与身份如何安全地沉淀?Agent的行动能力如何可信地放大?谁能把这三个问题答好,谁就站在了Personal Agent图形界面时刻的浪潮之巅。

京东科技开发者 236

AI 会写代码之后,交付为什么还没变快?

AI 写代码,只是这场变革的起点,而不是终点。真正决定一个组织能否吃到 AI 红利的,不是"能不能用 AI 写出代码",而是敢不敢用 AI 重新设计交付流程、重新划分角色分工、重新组织团队结构。研发视角能把工具和个人推到极致,却会在组织的边界前止步;只有站上组织视角,把AI × 工具一路推进到AI × 组织,那些被 AI 照出来的摩擦,才会真正被抹平。国际技术部 Multi AI Native 想做的,正是这件事——让 Agent 成为你可靠的数字战友,让每一次迭代交付都快一个量级;

京东科技开发者 325

OxygenData-Vibe搭建:用 AI Coding重新定义数据看板搭建

长期以来,数据看板开发主要有两种方式:一种是使用标准化 BI 工具,交付快、成本低,但图表样式、交互体验和功能扩展都受限于 BI 本身的能力;另一种是自研定制开发,能够充分满足复杂和个性化需求,但需要投入大量研发资源,交付周期也更长。比如一个通过 BI 只需要 1 天就能搭建出来的看板,如果采用自研方式,可能需要投入 30 PD 的研发人力。既然 BI 交付这么快,为什么不把所有看板需求都交给 BI?原因在于,业务某些场景需要的不只是把数据展示出来。

京东科技开发者 387

当我谈数据库高可用时我谈些什么

大家都经常听到说数据库的双1,那双1指的是什么呢?参数=1(最安全)≠1(更快但可能丢)每次提交都把 redo 刷盘0/2:攒着刷,崩溃丢最近 1 秒每次提交都把 binlog 刷盘0/N:攒着刷,崩溃丢最近若干条"双 1"(都设为 1)= 单机不丢已提交事务的前提。生产核心库必须双 1;代价是每次提交两次 fsync。小结:单机层用 WAL 提速、用 2PC 保证 redo/binlog 一致、用崩溃恢复裁决半成品事务、用双 1 兜底持久性。

京东科技开发者 326

ScoAI:面向供应链的运筹原生决策智能

ScoAI 关注的并非 AI 能否进入供应链,而是 AI 参与供应链决策之后,哪些内容适合通过数据学习,哪些关系必须显式计算,以及哪些结果需要依据执行记录进行验证。其基本分工是:供应链业务定义问题、资源与行动后果,运筹学表达目标、约束和协同关系,AI 提供可复用的估计与判断。真正用于改进后续决策的,不仅是模型生成的初始结果,还包括实际采取的行动及其产生的业务反馈。

京东科技开发者 412

拆解海博 AI-Native 落地保障:海博团队 AI 知识库能力建设

绕了一大圈,回头看,我们其实一直在解开头那三个结:AI 读不懂系统、影响面靠人脑记、测试预期没处查。做到这里,本质上是把"AI 用不好"这个问题,从"是不是该换个更强的模型"重新定义成了"怎么把上下文经营好"。顺着这个思路,我们攒下了这么几样东西:•。

京东科技开发者 566

从零构建一个生产级记忆型 AI Agent —— AgentScope 项目全景技术与学习指南

domain 层端口接口(domain)职责适配器实现(infra)对话流水账读写经验记忆检索/落库请求级幂等四态会话元数据 CRUD会话级 Skill 选择态Skill 元数据HITL 权限网关(domain 内含逻辑,见第四篇)StreamSink技术中立的流式下沉(client 层桥接)以幂等端口为例,头部注释明确写道:实现 domain 端口,持有实体不出 infra 边界,对外只暴露嵌套视图GateResult。

京东科技开发者 621

数据涅槃:Agentic 重塑搜推数据生产体系

当前大模型已经能够理解需求、生成代码和解释错误,但数据生产的难点并不只是“写出一段 SQL”。一个需求还要经过数据源确认、口径澄清、加工编排、资源规划、任务提交、调度运行、结果交付和故障处置。任何一步缺少都可能让“看起来正确”的任务变成生产事故。

京东科技开发者 390

81.8 秒的视频,我们改了 15 个版本:一次纯 Codex 驱动的 AI-native 视频实践

81.8 秒、15 个版本,这些数字真正想说明什么?视频制作正在从一组专业软件里的复杂操作,变成一场围绕目标、参考和反馈展开的持续对话。AI 已经可以接住从脚本到交付的大量工作。你可以把精力留给更重要的部分:理解观众、选择故事、判断好坏。过去停在 PPT 和脑海里的想法,现在有机会被快速做成一支能看、能改、也愿意转发的视频。如果明天就要介绍你手头的项目,你最想先把哪一步交给 AI?

京东科技开发者 475

Codex 驱动的移动端AI全栈开发:从 Relay 原型图到可交付链路

AI 编程工具降低了跨端开发门槛,但“让 AI 写页面”并不等于“完成移动端交付”。PC 运营端页面通常以功能闭环为中心,设计约束较弱,研发可以基于组件库快速搭建;移动端 C 端页面直接面对用户,Relay 原型图和 UI 设计稿不仅是视觉参考,更是交互、信息层级、状态反馈和业务信任感的综合契约。

京东科技开发者 598

Claude Code vs Codex 记忆体系深度对比

Claude Code —— 分层自动记忆系统四层分层架构(CLAUDE.md / Auto Memory / Session Memory / AutoDream)构成自优化闭环,系统主动捕获、分类、去冗并跨会话接力经验。走的是自动化优先路线——让机器替人记忆、替人整理,以少量可控性的不确定换取强大的经验积累能力。Codex —— 声明式契约系统两层扁平架构(AGENTS.md 静态声明层 + 会话上下文层),记忆完全由人显式订立、显式修改,系统只读契约、绝不擅自变更。走的是可控性优先。

京东科技开发者 632

上游给空、下游拿到 -1,我把故障一直追到了 commons-beanutils 的构造函数

这篇手记是一份事后复盘,写在我们已经把修复推上线、把测试用例跑绿、把约束文档沉淀进团队库之后。非研发同事,可以直接从第八章开始看,前七章都是讲排障和代码分析。故障本身不复杂,修复也不复杂,但这次排查真正让我想写下来的,不是技术本身——而是从问题提报到解决全程AI的作用:问题定位:业务方反馈了一个异常单号说「下发失败」,一线运维同事直接在日志系统捞到相关的系统日志,用IDE打开下游代码库,把异常信息给到JoyCode——AI 直接指向了问题是serialType值非法,系统只接受0和1,而当前上游给的是-1。

京东科技开发者 722

SKill测评:谁才是真正的Skill之王?

巧合的是,阿里近期开源了一款名为 Skill-Up 的测评工具——它专门面向 Agent Skill 开发者,支持在 Claude Code、Codex、Qoder CLI 等真实 Agent Engine 环境中验证 Skill 的功能正确性,并可将失败用例转化为精准的修复指引,同时支持本地与 CI 环境的持续回归。2026年,Skill 的热度不减,已成为 AI 辅助编程领域的标配。在日常研发中,无论是沉淀个人经验,还是将团队的优秀范本标准化,将知识“蒸馏”为 Skill 已是大家的常规操作。

京东科技开发者 642

让AI真正参与工作!JoyDesk已上线京东云

JoyDesk提供覆盖AI资产管理、权限控制、安全策略、审批审计、运营监控等企业级治理能力,支持按组织、角色和项目进行精细化权限管理,并支持私有化部署,确保企业数据边界清晰、AI行为全程可追溯、安全策略灵活可配置,满足金融、政企等行业对数据安全和合规治理的要求,让AI真正成为企业可信赖的生产力。JoyDesk支持MCP协议、标准API、技能等多种开放接入方式,可快速连接企业现有业务系统,将业务能力封装为AI可调用的技能和专家,让AI能够理解业务流程、调用业务系统、完成业务任务,而无需改变企业原有IT架构。

京东科技开发者 676

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手【最终版】

这个项目展示了AI Agent 在垂直内容创作领域端到端自动化:从内容理解到播客输出,全流程 AI 驱动多模态融合:文字、图片、音频、视频统一处理专业级音频质量:音色设计 + 智能混音,输出广播级品质低门槛使用:可视化配置 + 自然语言交互,无需技术背景。

京东科技开发者 565

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手(高级篇)

这是一个 AI 驱动的播客创作助手,专注于从文字/视频/音频内容识别到播客制作的全流程。你可以用自然语言与它对话,也可以上传视频和音频,它会理解意图、调用相应的语音合成工具,把他们变成真实的播客音频。

京东科技开发者 729

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手(进阶篇)

这是一个AI 驱动的音频内容创作助手。你可以用自然语言与它对话,它会理解意图、调用相应的语音合成工具,把文字变成真实的播客音频,并保存在本地。关于项目的详细介绍见第一篇文章:第一个 AI Agent 项目:从零搭建 AI 音频创作助手(入门篇)这篇文章更多介绍进阶篇添加的功能。

京东科技开发者 554

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手(入门篇)

这个项目让我第一次把前端、后端、AI Agent 三块内容独立串联起来。技术选型上每一块都是当下主流的方案,实际跑通整条链路之后对"全栈"有了更具体的感受。框架版本要锁定:LangChain 这类快速迭代的框架,版本差异带来的问题远比你想象的多先跑通链路,再追求完美:新手阶段能把用户输入 → AI 处理 → 结果展示这条链跑通,比深入某个技术点更有价值多看官方文档:相比博客和教程,官方文档更新及时,特别是 LangGraph 这种新框架后续计划继续迭代,欢迎交流!

京东科技开发者 611

ICLR 2026 | 面向序列决策的贝叶斯集成方法

在这篇工作中,我们关注的是。

京东科技开发者 296

ICML 2026|NaviAgent:面向 Oxygen 智能体的可扩展工具编排

大型语言模型(LLM)越来越多地作为函数调用代理,调用外部工具来处理超出其静态知识范围的任务。然而,它们通常一次只调用一个工具,缺乏对任务结构的全局视图。由于工具之间往往相互依赖,这会导致错误累积和可扩展性差,尤其是在扩展到数百或数千个工具时。为了解决这些局限性,我们提出了NaviAgent,一种显式的双层架构,它通过基于图的工具关系建模将任务规划与工具执行解耦。在规划层,基于 LLM 的代理决定是直接响应、澄清意图,还是检索并执行一个独立于工具间复杂性的工具链。

京东科技开发者 389

实测 9 款 AI 架构图工具:从 Mermaid 美化到 GPT-Image2,一份选型清单

支持 5 类图(架构图、工作流图、时序图、数据流图、生命周期/状态机图),主题 4 种(Classic、Signal Flow、Blueprint、Editorial)+ 3 种色彩模式(Dark / Light / System Auto),输出格式含 HTML、PNG、SVG、WebM、Share Card PNG、JSON IR。它把提示词图库、图像生成案例、参考图编辑流程和命令行工具整合在一起,让 AI Agent 能直接调用 GPT Image 2 模型完成文生图、图生图、参考图编辑等任务。

京东科技开发者 911

别再守着 Claude Code 了——学会指挥它自主干活

回到开头那句:别再一句一句地喂它、然后守着屏幕。真正的用法是——把一件事想清楚、划好边界、给它一个能自我验证的目标,然后交出去。你会发现,省下来的时间不是一点半点。把重复的判断和执行还给机器,把真正需要你的判断留给自己。

京东科技开发者 587

CVPR 2026|Oxygen XR 团队在原生鱼眼高斯泼溅技术上带来新突破

京东零售技术团队联合清华大学提出DirectFisheye-GS框架,创新性地将鱼眼相机模型原生嵌入3D高斯泼溅管线,通过跨视角联合优化策略直接处理鱼眼图像,避免了传统去畸变预处理导致的信息损失。该方案在多个公开数据集上达到SOTA性能,有效解决了单视角优化引起的几何畸变和视角不一致问题,同时保持与现有3DGS工具链的兼容性。技术已应用于电商3D重建和4D体积视频等场景,显著提升了沉浸式体验。相关论文被CVPR 2026接收,为宽视场场景重建提供了高效解决方案。

京东科技开发者 355

拆解海博 AI-Native 落地保障:Harness、双 Loop、知识库与技能自主迭代实践

海博研发RoadMap 的落地,彻底终结了 AI 编程“对话式玄学”的旧模式,真正落地了AI Native 研发工程化。它证明 AI 规模化赋能研发的核心,不在于堆砌大模型能力,而在于用工程思维重构 AI 的工作范式:用结构化流程替代随机对话,用固化规则约束模型行为,用持续沉淀实现能力复利,用分层架构支撑规模化落地。

京东科技开发者 638

让 AI 快速「读懂」你的代码仓:Joy-Code-Graph 云端图谱服务的三次进化

代码知识图谱不是要取代 AI 的智能,而是要补齐它对代码全局关系的认知盲区。当 AI 能一眼看清「谁调用了谁、改动会波及哪里」,它写出的代码才真正靠谱;当这份认知安全地留在自己手里、随时被 Joygen 调用、并且永久沉淀在代码仓里——AI 编程的体验,才算真正上了一个台阶。这,就是我们做 Joy-Code-Graph 云端服务的初衷。能力共享,数据自主;一次建图,长期受用。

京东科技开发者 753

【Coding生态】从代码托管到 AI 能力底座:与Coding一起共建 AI 研发生态

前两种框架能够很好地支撑对话式能力和预设流程式能力。它们适合基于提示词或预设工作流完成研发问答、知识查询、流程编排等任务。但在更复杂的研发场景中,仅仅“回答问题”还不够。当用户业务逻辑复杂时,一旦场景进入真实落地阶段,例如下载代码、修改文件、执行命令、安装依赖、运行测试、读取完整代码文件,或者与自有系统联动、将结果渲染到 Coding 页面、推送到京 ME,AI 应用需要的不只是知识能力,还需要真实的代码库操作能力和独立可执行环境。

京东科技开发者 768

GPT-5.6、ChatGPT Work 与 Codex 更新食用指南

三档模型当前都提供 1,050,000 tokens 上下文、922,000 tokens 最大输入和 128,000 tokens 最大输出,接受文本与图像输入、输出文本,并支持 web search、file search、Computer Use、MCP、Tool Search、Skills、Apply Patch 等工具。Work 可以读取你提供的文件,通过插件连接 Slack、Google Drive、SharePoint、邮箱、日历、CRM 或项目系统,调用获批工具,并在执行中展示进度。

京东科技开发者 873

把业务流程沉淀成高质量 Skill 的实践路径

使用Record & Replay创建的Skill,尽管创建流程简单,但它的本质实际是让 AI 去操作页面,这不但有可能影响我们对电脑的操作,还有可能无法稳定复现。创建Skill时,可以使用 Codex 的 Record & Replay 插件,把一次手工操作录下来,再让 AI 生成可复用流程。刚开始切换时,很容易遇到接口报错,可以让Codex排查原因进行优化,直到可以稳定执行;补充相应业务背景,说明这件事为什么要做,谁会用,输入从哪来,输出给谁看。电脑休眠、关机、软件没开时,本地任务可能无法执行。

京东科技开发者 836

政企前台AI-Agent的架构实践:打造可复用的 AI 服务平台-【灯塔计划】

不止是爆火的龙虾,还是各种Skills,MCP、Agent,脱离的具体的场景谈方案,最后只会是一场空。这一套可复用的 AI 服务平台,截止目前,通过前后端对接规范文档,多项能力已快速接入到各个场域的不同端平台,大幅降低研发成本, 并且各业务线新场景的接入从原来的 “开发驱动” 转为 “配置驱动”,接入周期从天维度缩短至小时级。

京东科技开发者 864
上一篇: 系统整容纪:揭秘Java编程之美:掌握这些编码规范,让你的代码一跃成为行业典范
下一篇: 京东百万级调度系统(Buffalo)架构解密
京东云开发者
京东云开发者 企业官方账号 企业官方账号
博客等级 码龄8年 1万+粉丝 2141原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值