Java定时任务大盘点:发工资也能“指日可待”

作者:京东保险 孙昊宇

引子:“指日可待”

让我们先从一个成语开始,“指日可待”。没错,我说的就是定时任务😏。
在这里插入图片描述

“指日可待”: 为任务指定好日程,就可以安心等待任务执行。

在实际场景中,我们往往需要在特定时间做某件事情,或以某个时间间隔重复某件事情,如定期备份数据、定时取消超时订单等。所有和时间有关的事情,都需要借助定时任务来完成。

定时任务可分为两种:本地定时任务、 分布式定时任务。

本地定时任务,即单机定时任务,适合做那些需要每台机器都执行的任务,如刷新每台机器的本地缓存;分布式定时任务则以一个分布式集群为单位执行任务,适用于支持在分布式场景下任务的高可用。

今天让我们看看Java中的本地定时任务,本文将介绍如何使用Timer、ScheduledExecutorService和@Scheduled三种方式实现本地定时任务。

读完本文,你会发现:原来每月最后一个工作日发工资,也可以用定时任务实现!


一、Timer

Timer,即java.util.Timer,是来自Java 1.3的古老定时器。

要使用Timer,要先创建一个TimerTask,作为Timer要执行的任务:

// 创建Timer对象
Timer timer = new Timer();
// 创建TimerTask:task1
TimerTask task1 = new TimerTask() {
    @Override
    public void run() {
        System.out.println("task1开始执行:" + new Date().getSeconds());
    }
};

有了Timer和TimerTask,就可以安排任务执行。让我们简单了解下Timer的用法:

(1)单次执行

使用Timer.schedule方法,只需传入TimerTask和延迟时间,即可让任务在指定的延迟时间后执行一次。也可以传入Date,让任务在指定的时刻执行:

// 5s后执行
timer.schedule(task1, 5000);
// 指定时刻。如果传入当前时刻,立即执行
timer.schedule(task1, new Date());

如果直接运行以上代码,会出现“Task already scheduled or cancelled”异常。这是因为一个TimerTask只能被schedule方法调度一次。如果需要执行两个任务,我们需要创建两个TimerTask。我们让两个任务在执行时分别打印当前时刻的秒数,全部代码如下:

// 创建Timer对象
Timer timer = new Timer();
// 创建TimerTask:task1
TimerTask task1 = new TimerTask() {
    @Override
    public void run() {
        System.out.println("task1开始执行:" + new Date().getSeconds());
    }
};
// 创建TimerTask:task2
TimerTask task2 = new TimerTask() {
    @Override
    public void run() {
        System.out.println("task2开始执行:" + new Date().getSeconds());
    }
};
// 5s后执行
timer.schedule(task1, 5000);
// 指定时刻。如果传入当前时刻,立即执行
timer.schedule(task2, new Date());

运行结果如下,可以看到,task2传入当前时刻立即执行,而task1延迟了5秒执行。

task2开始执行:32 task1开始执行:37

(2)周期性执行

周期性任务可以以固定的周期反复地执行下去。要让Timer周期性执行,同样使用重载的schedule方法,传入第三个参数period——执行周期,就可以让task以固定频率执行。我们给task1传入period = 3000(ms),让它三秒执行一次:

// 5s后执行,每3s一次
timer.schedule(task1, 5000, 3000);

运行结果如下:

task1开始执行:33 task1开始执行:36 task1开始执行:39 task1开始执行:42 … …

(3)原理浅析

Timer是如何实现的?查看Timer的源码,发现Timer有两个成员变量,它们是Timer的核心实现:

TaskQueue:任务队列,其中定义了一个长度为128的TimerTask数组,根据TimerTask.nextExecutionTime(下次执行倒计时)维护成了一个最小堆,堆顶就是最近要执行的任务。

TimerThread:任务触发线程,是一个无限循环的线程,它不断从TaskQueue堆顶取出最近要执行的任务,判断剩余执行时间,等待指定时间后去执行任务。执行时,根据任务配置(单次执行 or 周期执行),决定是否向任务队列中放入下一次任务。

用堆来实现任务优先级队列是非常高效的办法,因为任务触发线程只关心下一个要执行的任务,即堆顶元素,剩下的任务的剩余时间一定更长,不必有序,只需取走堆顶元素后重新堆化即可,每次操作的时间复杂度是O(log n)。

(4)存在问题

Timer的实现方式,导致其存在如下问题:

(1)Timer只有一个执行任务的线程,即TimerThread。执行任务时其他任务会阻塞,如果一个任务执行很久,会导致后续任务无法按时执行;

(2)Timer内部只捕获了InterruptedException,未捕获运行时异常。如果任务执行过程中抛出运行时异常,线程将直接被杀死,其他任务也将无法执行。

Timer是Java早期的任务调度框架,其缺陷较多,请读者简单了解,非常不建议使用哦。


二、ScheduledExecutorService

ScheduledExecutorService,可以称为“计划线程池”或“调度线程池”,来自于Java 1.5的JUC包。作为Java升级版的任务调度框架,它解决了Timer的遗留问题,为多线程场景下的定时任务调度提供了稳定可靠的支持。有了它,再也不需要使用Timer了。

作为Executor框架的一部分,ScheduledExecutorService继承了ExecutorService接口,其实现类为ScheduledThreadPoolExecutor。构造方法有4个,如下:

ScheduledThreadPoolExecutor(int corePoolSize);
ScheduledThreadPoolExecutor(int corePoolSize, ThreadFactory threadFactory); 
ScheduledThreadPoolExecutor(int corePoolSize, RejectedExecutionHandler handler);
ScheduledThreadPoolExecutor(int corePoolSize, ThreadFactory threadFactory, RejectedExecutionHandler handler); 

其中3参数构造方法实现如下:

public ScheduledThreadPoolExecutor(int corePoolSize, ThreadFactory threadFactory, RejectedExecutionHandler handler) {
    super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS, new DelayedWorkQueue(), threadFactory, handler);
}

根据构造方法,可以看到ScheduledThreadPoolExecutor的所有参数如下,其中3个参数可指定,4个参数固定:

① 核心线程数:必传参数,控制执行任务的线程数量;

② 最大线程数:固定为Integer.MAX_VALUE。在ScheduledThreadPoolExecutor中没有作用,实际起作用的是corePoolSize;

③、④ 空闲线程存活时间:固定为0,单位为纳秒。

⑤ 任务队列:固定DelayedWorkQueue延迟阻塞队列,同样是一个最小堆实现的优先级队列。

⑥ 线程工厂:可以手动设置,建议手动传参,方便设置线程名称。

⑦ 拒绝策略:可以手动设置,如果不指定,默认为AbortPolicy,拒绝任务并抛出异常。

让我们看看如何使用它。

(1)单次执行

要想让任务只执行一次,使用schedule方法即可,有3个参数,依次是:要执行的任务方法(实现Runnable或Callable)、延迟的时间、时间单位。注意,ScheduledExecutorService不支持在指定时刻执行,只能在指定的延迟后执行。示例如下:

// 创建线程池,核心线程数=5
System.out.println("创建线程池:" + new Date().getSeconds());
ScheduledExecutorService scheduler = new ScheduledThreadPoolExecutor(5, new ThreadFactoryBuilder().setNameFormat("scheduler-thread-%d").build());
// 5s后执行任务
scheduler.schedule(() -> System.out.println("任务开始执行:" + new Date().getSeconds()), 5, TimeUnit.SECONDS);

(2)周期性执行

两种执行方式

周期性执行任务又可细分为:固定频率执行、固定延迟执行。

当以固定频率执行时,以上次任务执行的开始时间到本次任务的开始时间来计算任务周期,不考虑任务的执行时间;

当以固定延迟执行时,以上次任务执行的结束时间到本次任务的开始时间来计算任务周期,即任务的执行时间会影响下次任务的开始时间;

当任务执行时间可以忽略时,两种执行方式效果一样。如果考虑任务的执行时间,如任务周期为5s,任务执行需要1s,那么固定频率执行的效果是:0s(开始)、5s(开始)、10s(开始)… ,而固定延迟执行的效果是:0s(开始)、1s(结束)、6s(开始)、7s(结束)、12s(开始)… 。

固定频率执行

要让任务以固定频率执行,使用scheduleAtFixedRate方法。它有4个参数,依次是:要执行的任务方法(实现Runnable或Callable)、首次执行延迟的时间、执行周期、时间单位。

我们设置延迟时间为0,周期为5s,在任务执行中,让任务sleep 1s,模拟任务耗时,配置如下:

// 创建线程池,核心线程数=5
System.out.println("创建线程池:" + new Date().getSeconds());
ScheduledExecutorService scheduler = new ScheduledThreadPoolExecutor(5, new ThreadFactoryBuilder().setNameFormat("scheduler-thread-%d").build());

scheduler.scheduleAtFixedRate(() -> {
    System.out.println("任务开始执行:" + new Date().getSeconds());
    try {
        Thread.sleep(1000);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    System.out.println("任务执行完成:" + new Date().getSeconds());
}, 0, 5, TimeUnit.SECONDS);

效果如下:

创建线程池:4 任务开始执行:4 任务执行完成:5 任务开始执行:9 任务执行完成:10 … …

****需要注意的是,如果任务的执行耗时 > 任务周期,即下一个任务要开始时,上一个任务还没结束,则scheduleAtFixedRate并不会严格按照预期时间执行,而是会等待上一个任务执行结束后再执行。即:任何情况下,一个周期任务都不会同时存在两个执行中的任务实例。

固定延迟执行

要让任务以固定延迟执行,使用scheduleWithFixedDelay方法。其他参数都不变,仅修改方法名,让我们对比下效果:

// 创建线程池,核心线程数=5
System.out.println("创建线程池:" + new Date().getSeconds());
ScheduledExecutorService scheduler = new ScheduledThreadPoolExecutor(5, new ThreadFactoryBuilder().setNameFormat("scheduler-thread-%d").build());

scheduler.scheduleWithFixedDelay(() -> {
    System.out.println("任务开始执行:" + new Date().getSeconds());
    try {
        Thread.sleep(1000);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    System.out.println("任务执行完成:" + new Date().getSeconds());
}, 0, 5, TimeUnit.SECONDS);

执行结果如下,可以看到上次任务结束时间和下次任务开始时间的间隔固定,符合我们的预期:

创建线程池:6 任务开始执行:6 任务执行完成:7 任务开始执行:12 任务执行完成:13 … …

(3)原理浅析

首先需要清楚,调度线程池和普通线程池最大的区别是:对普通线程池而言,只要线程池中有空闲工作线程,就只管从任务队列中取出任务执行,因此普通线程池的任务队列都是FIFO的。而调度线程池必须判断每个任务的剩余等待时间,没有“到点”的任务,是不可以执行的。如何合理地安排每个定时任务的执行时间?这就需要特殊的任务队列(优先级队列)了。

上文提到,ScheduledThreadPoolExecutor使用的任务队列固定为:DelayedWorkQueue延迟阻塞队列。这是一个专为ScheduledThreadPoolExecutor定制的、满足多线程定时任务设计的任务队列。具有如下特性:

① 【优先性】优先级队列,实现原理和Timer相同,同样是按照任务剩余时间构造的最小堆,每次从堆顶取得最近要执行的任务;

② 【无限大】初始大小为16,每次队列满后自动扩容,可无限扩容到 Integer.MAX_VALUE,因此在添加任务时(offer方法)不会阻塞;

③ 【并发性】队列操作有锁机制保证线程安全;同时,为了更好管理线程资源,队列采用了Leader-Follower的线程模型。

Leader/Follower模型

为了实现该模型,DelayedWorkQueue中定义了如下成员变量:

// 队列内的重入锁,保证线程安全
private final ReentrantLock lock = new ReentrantLock();
// leader线程
private Thread leader = null;
// lock创建的等待队列
private final Condition available = lock.newCondition();

首先,队列拥有一个重入锁lock,所有队列操作都需要先获取这把锁; 一个成员变量leader,指向下一个要处理队列头部任务的线程,其他空闲的工作线程被称作follower; 最后是lock创建的等待队列available,所有follower都在这里等待,等着成为新的leader。那么什么时候才会出现岗位空缺(available)呢?请看下文。

刚才提到,leader就是处理当前队列头任务的线程。leader首先会判断这个任务的剩余时间,然后等待这个时间。时间一到就取走任务,要去执行,就在leader要“卸任”的时候,它需要通知一下排队的继任者(follower)们,于是发出available.signal()信号,岗位有空缺啦!从而使一个follower线程获取锁成为leader,执行后边任务。最后,所有执行完任务的线程都会重新成为follower等着领新一轮的任务,如此循环。这部分实现,请感兴趣的读者阅读DelayedWorkQueue的take()/poll()方法。

如果在leader等待时,来了新任务怎么办?先别急,重新堆化,如果新任务没排到队首,说明剩余时间肯定大于队首任务,则不需要着急执行;如果新任务排到了队首,说明这个任务时间最紧急,执行时间已经早于了当前leader的苏醒时间了,来不及啦!那么直接把当前的leader踢掉,发送available.signal()信号,召唤新leader执行新任务。这部分实现,请感兴趣的读者阅读DelayedWorkQueue的offer()方法。

这种Leader/Follower模式最早被应用于多线程网络服务中,通过确保请求接收者和执行者是同一个线程来减少接收者另外创建执行者线程的开销,减少线程间数据交换。在DelayedWorkQueue中,这种模式巧妙地确保了在线程池中最多只有一个线程(leader)在等待执行最近的任务,而其他空闲线程可以无限等待直到被唤醒,从而避免多个工作线程同时等待一个任务带来的额外开销。

(4)使用注意

译自ScheduledThreadPoolExecutor的官方注释:

虽然这个类继承自ThreadPoolExecutor,但继承的一些调优方法对它没有用处。特别是,因为它使用corePoolSize线程和无界队列充当固定大小的池,所以对maximumPoolSize的调整没有任何有用的影响。此外,将corePoolSize设置为零或使用allowCoreThreadTimeout几乎从来都不是一个好主意,因为这可能会使池中没有线程来处理任务,一旦它们有资格运行。

使用ScheduledThreadPoolExecutor的时候,我们需要格外注意的是:线程池大小始终固定为corePoolSize不会变,而maximumPoolSize没有任何作用,它可不会自己添加工作线程!如果你需要执行多个定时任务,请尽量把corePoolSize设置大一些,避免工作线程不够导致任务没能按时执行。


三、@Scheduled

@Scheduled注解是Spring框架提供的通过注解方式实现定时调度的定时任务框架,来自org.springframework.scheduling包。该注解主要有三种配置定时的方式,分别支持我们以固定频率、固定延迟或cron表达式配置定时任务:

// 固定频率执行,5s一次
@Scheduled(fixedRate = 5000)

// 固定延迟执行,5s一次 
@Scheduled(fixedDelay= 5000)

// cron表达式,1分钟执行一次
@Scheduled(cron = "0 0/1 * * * ?")

(1)环境配置

首先让我们看看使用@Scheduled注解需要的配置。要让该注解生效,有两种配置方法。

① 注解启动类:在Spring启动类添加@EnableScheduling注解,才能使@Scheduled生效,默认未开启。

② 配置文件:在配置文件中引入task的命名空间,并添加注解驱动“annotation-driven”:

<beans xmlns:task="http://www.springframework.org/schema/task"
 xsi:schemaLocation="http://www.springframework.org/schema/task http://www.springframework.org/schema/task/spring-task.xsd">
 
<task:annotation-driven/>

(2)cron表达式

固定频率执行、固定延迟执行,这两个执行方式前文已经介绍过了,有读者可能要问了,第三种方式cron表达式是什么?又该如何使用呢?

cron始于linux下的定时执行工具,是linux系统的内置服务。在系统中,可以使用crontab命令来设定cron服务,cron会根据命令和执行时间来按时调度工作任务。cron表达式的功能强大,可以满足各种定制化的定时任务配置需求,远比fixedRate、fixedDelay等方式灵活多样,适合各种复杂的定时任务配置。

cron表达式一共包含7个域,每个域代表不同的含义,从左到右依次是:“秒 分 时 日 月 周 年”。这些域以空格隔开组成的字符串就是cron表达式。其中,“年”在大多数场景下用不上(极少有以年为周期的任务),因此不是必要的,前6个域即可组成一个cron表达式。cron表达式的规则是:

① 【数字】在每个域中,可以填入数字,代表在指定的时刻执行。具体到每个域的数字范围是:

分、秒:0-59; 时:0-23; 日:1-31(视每月情况); 月:1-12(JAN-DEC); 周:1-7(SUN-SAT); 年:1970-2099。

特别提醒:在【周】域中,1=周日、2=周一、… 7=周六。 这块有点反常识,担心记错的话可以填星期的英文缩写(SUN-SAT)。

② 【】如果想让这个域无论等于什么值都执行,请填入【】(通配符)。

这时细心的读者会发现有个bug:如果配置了【日】为【*】,即每天都执行,且【周】配为【6】,即每周五执行,就会出现互斥:又想每天都执行,又想每周五执行,但并非每天都是周五啊! 为了解决这个问题,cron表达式设置了【?】符号。

③ 【?】如果这个域的值不关心,请填入【?】(不指定)。这个符号只能填在【日】或【周】域,用来解决两个日期和星期的互斥问题。

用规则①②③搭配就可以创建很多基本的cron表达式:

1 * * * * ? 每分钟的第1秒执行 0 0 0 * * ? 每天0点执行 0 15 10 ? * * 每天上午10:15执行

光有这些还不够,cron表达式还有更加丰富的符号以满足更多样的需求,请接着往下看:

④ 【-】指定取值范围。例:

0 0 9-17 * * ? 每天9点到17点,每整点执行一次

⑤ 【,】指定多个值。例:

0 0 0 1,15 * ? 每月1日、15日,0点执行

⑥ 【/】指定起始量/增量,以固定频率执行。例:

0/2 * * * * ? (从每分钟的0秒开始)每2秒执行一次 0 0 18/1 * * ? 从每天的18点开始,每整点执行一次

⑦ 【L】即“LAST”之意,只能填在【日】或【周】域, 代表最后一天。

在【周】域,还可以写“数字 + L”,代表该取值的最后一个,即最后一个周几,例:

0 0 0 L * ? 每月最后一天0点执行 0 0 0 ? * L 每周最后一天0点执行 0 0 0 ? * WEDL 每月最后一个周三0点执行

⑧【W】表示自动匹配工作日,只能填在【日】域,且必须在数字后。如“5W”意为“本月距离5号最近的工作日”。

也可以将【L】【W】连用,意为“本月最后一个工作日”。

0 0 0 1W * ? 在本月距离1号最近的工作日0点执行 0 0 0 LW * ? 在本月最后一个工作日0点执行 看到这里,我想你已经明白怎么用定时任务发工资了。这个表达式,真像是为月末发工资准备的呢!🤑

⑨【#】指定第几个周几,只能填在【周】域。 【#】左边填周几,右边填第几个。例:

0 0 0 ? 5 SUN#2 每年母亲节(5月的第二个星期日)的0点执行

强大的cron表达式几乎可以满足所有定时任务的需求,如果你迫不及待想尝试一下cron表达式并验证效果,推荐这个网站:https://cron.qqe2.com,可以在线生成和验证cron表达式,并看到预期执行结果。

(3)单线程 or 多线程?

看完了cron表达式,那么问题来了:@Scheduled注解实现的定时任务是单线程还是多线程呢?如果是多线程,有几个线程?如何控制线程池?

很遗憾,答案是:在默认配置下, @Scheduled注解是单线程的。 这是因为@Scheduled注解默认创建的线程池大小为1,这显然很可能导致阻塞问题。要想改成多线程,需要手动配置任务线程池,让我们一起看看。

方法①:使用.properties文件或.yml文件,直接配置线程池大小

  spring.task.scheduling.pool.size = 10      
spring:
  task:
    scheduling:
      pool:
        size: 10

方法②:手动配置线程池org.springframework.scheduling.concurrent.ThreadPoolTaskScheduler,并设置线程池大小等参数。ThreadPoolTaskScheduler即为@Scheduled注解所创建的线程池:

@Configuration
@EnableScheduling
public class TaskSchedulerConfig {
    @Bean
    public TaskScheduler taskScheduler() {
        ThreadPoolTaskScheduler scheduler = new ThreadPoolTaskScheduler();
        scheduler.setPoolSize(10);
        scheduler.initialize();
        return scheduler;
    }
}

经过以上配置,我们可以让@Scheduled注解的定时任务以多线程方式执行,即使A任务阻塞,B任务也不会受影响。这和上文提到的ScheduledExecutorService的效果是完全一样的。事实上,ThreadPoolTaskScheduler就是基于ScheduledThreadPoolExecutor实现的,其部分源码:

public class ThreadPoolTaskScheduler extends ExecutorConfigurationSupport
      implements AsyncListenableTaskExecutor, SchedulingTaskExecutor, TaskScheduler {

   // ScheduledThreadPoolExecutor.setRemoveOnCancelPolicy(boolean) only available on JDK 7+
   private static final boolean setRemoveOnCancelPolicyAvailable =
         ClassUtils.hasMethod(ScheduledThreadPoolExecutor.class, "setRemoveOnCancelPolicy", boolean.class);


   private volatile int poolSize = 1;

   private volatile boolean removeOnCancelPolicy = false;

   private volatile ErrorHandler errorHandler;

   private volatile ScheduledExecutorService scheduledExecutor;


   /**
    * Set the ScheduledExecutorService's pool size.
    * Default is 1.
    * <p><b>This setting can be modified at runtime, for example through JMX.</b>
    */
   public void setPoolSize(int poolSize) {
      Assert.isTrue(poolSize > 0, "'poolSize' must be 1 or higher");
      this.poolSize = poolSize;
      if (this.scheduledExecutor instanceof ScheduledThreadPoolExecutor) {
         ((ScheduledThreadPoolExecutor) this.scheduledExecutor).setCorePoolSize(poolSize);
      }
   }
   // ... ... 
}

****不难发现,Spring的ThreadPoolTaskScheduler就是在ScheduledThreadPoolExecutor基础上封装了一层,且默认的线程池大小为1。在原线程池的基础上增加了注解驱动、cron表达式解析等功能,更加方便了我们的使用。

(4)关于异步执行

以上提到的所有任务调度都有一个共同点:我们可以通过线程池让不同任务的执行互不干扰,但对于同一任务,当上一次执行未完成时,即使到了下一次执行时间,下一次执行还是会等待,即不会出现一个任务同时存在两个执行中的任务实例。如果想让一个任务的每次执行都互不影响呢?

@Async注解可以帮助我们,它可以支持异步地执行方法,每次执行都会另起线程。我们将它和@Scheduled注解一起加在方法上:

@Async
@Scheduled(cron = "0 0/1 * * * ?")
public void task() {
    // do something
}

这样,就可以让该任务的每次执行都互不影响。我们还可以在注解中指定异步方法执行的线程池,如@Async(“asyncExecutor”),且asyncExecutor应为ThreadPoolTaskScheduler类型。

⚠ 特别提醒:原则上讲,不应该,也没有必要让一个周期性任务异步执行。一旦允许异步,如果该任务卡死,后续本类任务不再阻塞,还会继续起新线程,并不断卡死,很快把任务线程池打满,最后阻塞所有的定时任务,造成严重后果。如果一定要使用,请为异步定时任务手动指定一个单独的任务线程池,并配置好最大等待时长(setAwaitTerminationSeconds),避免无限阻塞。

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 214

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 233

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 323

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 385

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 325

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 410

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 619

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 388

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 473

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 641

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 564

【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 728

【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 553

【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 910

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 752

【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: 日志框架简介-Slf4j+Logback入门实践
下一篇: B端体验深耕-洞察用户需求,打造心有灵犀的使用体验
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