京东岗位序列主要分M、T、列。T序列包括产品和技术，P序列为项目经理。
薪酬结构:年薪=月薪* (12 1) ，1为年终奖, 一般1-2个月；
月薪=基本工资(70%) 绩效I资(30%基本I资) 绩效系数) 餐补 I龄补贴 全勤奖;
JD.COM每年都会给所有中基员工加薪，基员工加薪不少于10%，主管和经理员工加薪不少于20%。
目录
主要内容
本文涵盖容器集群、数据库、分布式存储、服务框架、消息队列 一系列经典学习等一系列经典技术话题 简单地向读者展示了京东基础设施建设、演变、变革和发展的完整形象，系统地阐述了京东重要阶段的技术进步和里程碑技术突破，可以被称为从入门到精通的经典基础设施教科书。
第一章容器集群技术JDOS，即容器集群管理平台。
本章将与您分享JDOS团队发展过程、业务服务现状和技术发展阶段。本章讲述了内容呈现的故事JDOS 1.0容器化胖容器开辟了京东容器化技术之路。京东所有业务容器化运营完成后，将立即推广JDOS 2.完全基于镜像发布，构建完整的容器技术生态内容。自主研究分布式智能DNS、高性能负载均衡，以及为容器量身打造的分布式共享存储ContainerFS，这些都是为了更好的建设JDOS生态与数据中心协调发展。在完成JDOS实现数据中心操作系统赋能后，进而促进JDOS 3.构建京东的PaaS平台从源代码、编译、构建镜像、集群编排、副本控制、日志、监控、中间件能力等方面完整PaaS生态。随着JDOS规模不断扩大，精细操作促进了演变JDOS 4.0阿基米德项目集成计算，实现在线业务与离线大数据计算混合，智能调度，节约采购成本，同时满足业务计算需求。在容器技术实践方面，京东发展较早，相对坚定，在实践过程中有很多理解和技术感知。
第二章数据库技术
本章详细记录了京东在这方面的尝试和思考试和思考，其核心观点简单明了。JD.COM未来的技术数据库，可以快速响应业务需求，有效利用资源，降低成本，提高数据库性能。这意味着DBA必须改变角色和知识体系结构，DBA除了基本的数据库操作和维护技能外，还需要涉足数据领域的各种产品和技术，包括数据库核心技术、数据库自动化操作和维护技术、故障自愈技术、数据安全与审计、数据同步与传输和数据处理，从而促进京东数据库架构向更全面、更合理的可持续方向发展。
第三章分布式存储技术JFS及商品图片系统。
JD.COM每年都会推广618和双11。大促销期间访问的洪峰，经过业务系统的层层调用，最终会转化为对存储系统的访问。网页上丰富的商品信息显示、用户个性化的搜索结果和商品推荐都需要从存储系统中实时读取数据进行计算，用户打开的每一页都会转化为从多个系统访问数据。存储系统的稳定性和性能直接决定了用户的购物体验。
在开发这些存储系统的过程中，面临着许多挑战。如何准确、及时地发现故障并自动恢复故障？如何快速进行水平扩展和数据迁移？如何解决系统的读写性能？在解决每个问题的背后，开发人员日夜奋斗。本章将详细介绍京东存储系统的建设过程和结构。
第四章中间件技术JSF、消息队列JMQ、缓存平台JIMDB以中间件技术体系为代表。
JMQ它具有集群可用性高、数据可靠性高、支持集群管理等特点。它不仅考虑了高吞吐量、高可用性和低运维成本的需求，而且还增加了对京东业务场景的业务需求，如重试、延迟消费、归档和业务。Zero-Copy、日志和队列文件、组提交、内存图像文件和优化的复制协议TPS的性能比AMQ提高了近10倍。
现阶段，为配合JD.COM异地多活整体战略，我们正在升级服务平台系统，提升系统的灾后能力和用户体验。
回顾每一个过程，不仅是对架构设计和技术实现的挑战，也是对R&D人员意志力和专注力的考验，也为我们下一次技术演进的基础。 俗话说，既是终点又是起点，我们将在实践中不断探索适合京东业务发展的技术结构。本章将主要介绍京东中间件在不同阶段的相关背景，解密其背后的技术选择和设计理念。
第5章“ 整体架构升级主要介绍ForceBot: 全链路军演机器人和异地多活。
京东是一家以技术为增长驱动的公司。其自身的技术平台正在不断变化和升级，以促进各种业务的增长。能否规划出真正解决业务问题的解决方案，取决于是否进行了合理的结构设计，展望未来，迎接变革——这就是结构的意义 义。
全链路压力测量是这一时期应运而生的产物。JD.COM业务复杂，系统庞大，每年要经历618和双11两次大考。随着业务量和体积的逐年增加，每次大促销对系统能力的要求不断提高。每个核心系统都是相互关联的，任何问题都可能影响整个链接，直接影响用户的购物体验，这也导致每个团队在压力测试方面的工作量非常大。另外，系统的容量规划直接受到影响。2016年，系统技术团队启动了覆盖全链路压力测试项目的全链路压力测试项目，基于全国各地的真实流量，完全在线模拟用户行为，对全链路各系统进行高并发验证测试。本项目涉及京东研发体系的所有团队。跨团队合作、跨系统协调改造等工作量非常大，具有挑战性。
异地多活，不仅仅是建设一个机房， 也是一个体系化的建设工程，影响着每个层级的业务状态，核心是“活”， 通过更灵活的软件定义数据中心，机房管理、基础网络、数据库管理、持久存储、中间件、应用部署、流量访问、监控和运维保障都取得了新的突破，反映了不同的价值主张，解决了多元化互联的个性化需求。
本章介绍的内容不是研发某些系统，而是从全局的角度推动京东商城整体构升级。
第六章机器学习技术主要介绍京东商城基础设施中的机器学习和知识工程。
零售业的变化来自于消费变化和技术创新两大驱动力，而人工智能，尤其是机器学习，是当前毫无疑问的技术先锋。2014年9月，京东成立了深度神经网络实验室(DNN Lab) ,后来成为基础设施部机器学习技术团队的前身。
从基础架构部的角度来看，随着GPU随着硬件资源的创新和深度学习算法的成熟，机器学习技术不再是实验室的研究，在工业领域具有广阔的应用前景。
从业务角度来看，京东的业务直在快速增长， 不断增加人力的各个环节都是不可持续的，这也给运营成本带来了巨大的挑战。此外，随着人力的增长，知识和经验不能在人与人之间快速准确地复制，导致操作不稳定，损害用户体验。因此，我们迫切需要用数据和算法来代替经验的一部分 和人工， 提高运营效率，提高用户体验。本章将从成本、效率和经验的角度，为零售业的机器学习技术带来最佳实践。
机器学习技术的应用提高了电子商务各个环节的效率。应用程序需求和场景的不断扩展反过来促进了技术的进步。通过实践和迭代优化沉淀的计算机视觉、自然语言理解和语音能力，不仅可以服务于京东的各个部门，还可以处理形成人工智能的一般技术和服务，并进行外部输出。本章将介绍京东在这方面的实践。
大神评价
基础设施是京东业务的技术基石。作为近几年推动京东基础设施改革的技术实践者，本文作者坚决贯彻京东集团未来12年只有技术的发展路线。借助京东基础设施建设之路，我代表所有在一线奋战的技术研发团队，与关注我们的朋友分享京东近年来在基础设施技术领域的发展和创新。感谢所有互联网技术从业者的关注、帮助和纠正。
京东基础设施建设道路，从底层容器管理集群技术，到服务框架、分布式内存数据库和分布式文件存储系统，到京东机器学习多场景应用和商品数据知识地图建设，详细介绍，向您展示整个系统建设的发展过程。同时，本文还解密了JD.COM技术研发在每年618和双11超大流量、高并发时刻的应对策略，相信会对互联网和电商行业的从业者起到很好的借鉴作用。
作为近年来推动京东基础设施改革的技术实践者，我们愿意与更多的基础设施从业者或感兴趣的人分享我们的经验。技术是无穷无尽的。愿我们一路创造奇迹~~~~~~~~