猿急送>

北京后端兼职程序员

ID：307763

剑及履及

大数据工程师

公司信息：
中国科学院信息工程研究所

工作经验：
3年

兼职日薪：
1500元/8小时

兼职时间：
下班后
周六
周日

所在区域：
北京
海淀

技术能力

1. 熟悉Java/Python/Scala开发语言，有扎实的面向对象和函数式编程功底
2. 熟悉Linux开发环境，熟悉常用Linux操作命令，能完成简单的Shell脚本的编写
3. 熟悉Hadoop生态圈，能独立完成Hadoop集群的搭建，熟悉HDFS的分布式读写流程
4. 熟悉MapReduce任务的工作原理和切片机制、Shuffle机制及其调节优化，熟悉Yarn资源调度机制
5. 熟悉Flume的组件(Source、Channel、Sink)及工作原理，能够自定义拦截器，使用监控器，掌握日志采集框架相关配置及常见性能调优
6. 熟悉Zookeeper的选举机制、监听器原理，熟悉Zookeeper常用命令
7. 熟悉Kafka架构和工作原理，熟悉集群部署和常见的性能优化，以及与SparkStreaming的对接
8. 熟悉Hive架构和原理，熟悉Hive中常用函数、窗口函数以及自定义UDF函数、UDTF函数，能熟练使用HQL对数据进行分析，了解Hive调优
9. 熟悉Sqoop在HDFS和关系型数据库之间的导入导出，熟悉Azkaban对批量任务的调度
10. 熟悉Spark的Scala编程，能够熟练使用SparkCore和SparkStreaming，熟悉Spark部署模式、了解Spark通讯架构
11. 熟悉Spark常见的性能调优，如数据倾斜、Shuffle优化
12. 了解Flink运行时架构，了解DataStreamAPI、FlinkTableAPI、FlinkSQLAPI，了解watermark机制，布隆过滤器原理，了解复杂事件处理Flink CEP
13 .熟悉Redis缓存数据库的使用，理解Redis持久化机制，熟悉Redis事务控制，了解redis三种特殊类型数据
14. 熟悉Hbase基本架构、以及RowKey设计原则，熟悉Hbase读写流程，了解HbaseAPI的使用以及结合Phoneix建立索引
15. 熟悉分布式搜索引擎Elasticsearch，了解倒排索引机制，了解Kibana可视化平台的使用
16. 熟悉Nginx国密和非国密版本，了解Nginx基本配置及常见调优，如http代理，负载均衡

项目经验

项目一：政务大数据协同BM监管(BM局项目)
1. 开发环境：Linux+Python3.7.4
2. 软件架构：Zookeeper3.6.1、Kafka2.5、KafkaEagleRedis6.0.5、Nginx（国密）、Mysql、Elasticsearch7.3
3.项目介绍：
在保密监管一体化的指导思路下，为了实现国家、省、和地级市各级保密监管平台之间的互联互通，各级保密机关的协同保密等需求，建设各级保密监管系统，制定覆盖全国的三级指挥调度机制。
4. 责任描述：
参与平台架构选择，并落实各个核心模块
完成业务功性能指标以及性能指标
4.技术要点
1)配置国密nginx，使用nginx配置https并实现反向代理和负载均衡
2)将上传或下发的指令等数据接收汇聚，封装后放入Kafka缓存队列中，使用kafkaeagle监控kafka
3)将一些结构复杂的数据先放入redis后再进行处理，将处理后的数据写入mysql
4)对于一些对搜索要求高并且数据量很大的数据，存入elasticsearch，通过scroll滚动查询的方式读取数据
5)使用Docker打包集群环境，实现一键部署
项目二：目标关系分析系统(BM局项目)
1. 开发环境：Linux+JDK1.8+Scala2.11
2. 软件架构：Flume，Kafka，SparkStreaming，Redis，ES，Hbase，phoenix ，Mysql，Maxwall，Flink
3. 责任描述：
参与平台的技术选型，版本选型及搭建
用户模块：分析各邮件系统用户数量，用户年龄段，性别等指标
预警模块：恶意登录分析
4. 技术要点
1)搭建信息采集通道并自定义Flume拦截器对数据信息ETL和分类，将数据发送到Kafka不同Topic
2)使用Maxwall对Mysql中数据进行监控，并拉取到Kafka中，并使用bootstrap拉取历史数据
3)SparkStreaming消费Kafka数据，并手动维护偏移量实现精准一次性消费
4)使用Redis保存SparkStreaming中间状态，利用Redis中Set结构进行去重，对于邮件关系等需要长期保存的状态，放到hbase中保存，方便后续需求实现（判断是否为首次）
5)针对Spark出现的各类性能问题如数据倾斜等进行调优
6)使用ES对特定数据进行存储
7)根据业务需求引入Flink的Watermark，设置合理延迟时间加侧输出流处理迟到数据
8)使用Flink对恶意登录指标进行分析并与Spark进行对比，使用Azkaban进行任务调度
项目三：三佳商城离线数据仓库
1. 开发环境：Linux+JDK1.8
2. 软件架构：Tomcat，Nginx，Flume，Ganglia，Zookeeper，Kafka，KafkaManager，Hadoop，MySQL，Hive，Sqoop， Azkaban，Zabbix
3. 项目介绍：
随着企业的数据量越来越大，需要搭建一个统一的数据采集通道采集数据，将这些数据集中的放在一个统一的数据仓库中管理，通过对业务数据和行为数据的汇总分析，可以为企业所有决策制定过程，提供所有系统数据的支持。帮助企业改进业务流程、控制成本、提高产品质量等。
4. 责任描述：
部署配置Flume，同时使用监视器Ganglia监控Flume
部署配置Kafka，同时使用监视器KafkaManager监控Kafka
搭建Hadoop集群HA，通过Zookeeper实现NameNode的热备份
参与数据仓库的搭建及分层
参与数据建模，确立维度表、事实表及拉链表
用户模块：新增用户，活跃用户，沉默用户，忠诚用户，周回流用户等指标
商品模块：差评率，退货率，收藏、销量等各类TopN
订单模块：下单笔数，交易成功单数，复购率，GMV等
5. 技术要点
1)安装Zookeeper，通过Zookeeper搭建Hadoop-HA高可用集群，并对集群进行基准测试和参数调优，安装LZO压缩格式，并配置HDFS多目录
2)部署Flume，使用TailDirSource采集服务器数据，使用KafkaChannel与Kafka对接，并自定义拦截器进行简单的数据清洗，使用Multiplexing选择器将不同的Event发往不同的Channel，以便将不同的数据发送到Kafka不同的topic上
3) 部署Kafka集群，并对Kafka集群进行压测以确定集群上限，配置Kafka常用参数,使用KafkaManager实现对Kafka集群运行状态的监控
4) 将Mysql业务数据通过S

案例展示

羲和

羲和数据可视化系统，是一种用于将数据转换为信息的工具，它能够将大量的数据、信息和指标转换成具有意义的图表、表格、仪表板等形式。数据可视化系统通常支持多种数据源，并提供各种交互方式来探索数据。数据保密细节不便展示。
数据中台的统一数据模型及数据服务标准规范

早在2016年，阿里巴巴就提出了数据中台建设的核心理念：One Data, One Service。用一句话定义：所有数据只加工一次，数据即服务。例如，功率预测场景，数据中台就是要在整个功率预测业务形成一个公共数据层，协同跨部门的小数仓，实现数据的复用，不会因为不同的应用场景，不