技术能力

个人简介
• 开发框架:SpringCloud, Spring Boot, Dubbo
• 数据库: MySQL, TiDB, MongoDB, Elasticsearch, Redis
• 架构与设计: 微服务架构、分布式系统、JVM优化、高并发处理
• 缓存与消息队列: Redis, Kafka, RocketMQ，RabbitMQ
• 容器化与虚拟化: Docker, Kubernetes
• 开发工具: Git, Jenkins, Maven, Nginx
• 技术栈: Spring Security, Feign, Hystrix, Ribbon, Nacos
• 其他技能：熟读清华大学出版的deepseek使用手册，熟练使用deepseek

项目经验

直播平台系统
作为创始人兼技术负责人，主导开发了一款集直播、聊天、互动娱乐于一体的综合性平台，包括直播 App、直播监控系统和直播系统管理平台，累计用户量达到 10 万+，日活跃用户峰值超过 1 万。
技术栈：
Spring Boot, Spring Cloud, Netty, WebRTC, MySQL, Redis, Kafka, Vue.js, FFmpeg, Elasticsearch
职责与贡献：
1、负责整体技术架构设计，采用微服务架构，确保系统的高可用性和可扩展性。
2、开发直播 App 核心功能，包括直播流传输、1对1视频陪聊、礼物打赏等，使用 WebRTC 和 Netty 实现低延迟音视频通信。
3、集成支付宝、微信等 10+ 支付渠道，设计并实现高并发支付系统，支持单日交易量超过 10 万笔。
4、开发直播监控系统，实时监控直播内容，基于 FFmpeg 和 Elasticsearch 实现音视频录制和敏感内容过滤。
5、带领 10 人技术团队，采用敏捷开发模式，确保项目按时交付。
项目成果：
1、累计用户量达到 10 万+，日活跃用户峰值超过 1 万。
2、单月流水峰值突破 50 万元，礼物打赏功能受到用户欢迎。
3、系统支持千人同时在线直播，延迟控制在 500ms 以内。

脸脸领券中心
脸脸领券中心助力用户便捷领取和平台分发优惠券红包，促进商家销售和平台 GMV 指标提升。平台包括优惠券秒杀、分发、结算以及搜索等业务，支持大量用户同时进行优惠券领取功能，以及完成平台百万级别用户优惠券分发功能，保障不漏发、不多发等特性。使用缓存、分库分表、RocketMQ5.x 以及 Sentinel 等技术支撑平台稳定运行。
技术亮点
1、通过责任链模式验证商家创建优惠券提交参数是否正确，保障验证代码高内聚、低耦合，保障了开闭原则。
2、为了支持大量商家创建优惠券记录，采用 ShardingSphere 分库分表方案，以提升优惠券模板的存储和查询效率。
3、用户预约抢购优惠券，通过 RocketMQ 5.x 任意延时消息队列，实现对用户推送精准抢券提醒消息。
4、通过 Lua 脚本对获取不到优惠券的用户执行快速失败，并采用编程式事务以减少事务时间。底层使用 MySQL 悲观行记录锁机制，避免优惠券模板库存的多扣减。
5、为避免数据库扣减库存成功后添加用户优惠券缓存失败，基于监听 Binlog 机制异步添加用户优惠券缓存，并采用写后查询策略应对 Redis 持久化或主从复制极端情况下的数据丢失问题。

脸脸信息化系统
脸脸信息化系统是从0到1的建设主要是为了解决以运营负责人，分组组长，公司管理者的视角，实现以单项目，分组，大盘等多种维度查看项目数据，帮助不同角色以不同的时间维度查询运营过程中产生的数据，辅助数据分析，并实施调整运营策略。
遇到的难点及解决方案：
难点1：数据分散在各个不同的业务数据库中
解决方案1：对于数据分布于不同业务系统采用mysql+canal+kafka+tidb进行实时数据采集
难点2: 数据量大其中券发放数据超过了1600W+，用户参与数据1460W+，还有一些其他的如订单数据、券核销数据都接近千万级别
解决方案2：选择TIDB（分布式关系型数据库，具备水平扩容或者缩容、金融级高可用、实时 HTAP、云原生的分布式数据库、兼容 MySQL 5.7 协议和 MySQL 生态）数据库存储数据
难点3：数据统计维度广（有的接口需统计将近30个维度的数据）接口耗时长
解决方案3：对于应用程序采用了Future模式提升系统并发运行的效率来解决项目开发过程中遇到的系统响应速度问题，经实测将系统响应速度有原先的约1.9s提升至只耗时0.5s

MoMo(app)
该系统采用springcloud微服务设计拆分出了用户、信审、风控、订单、支付、催收、营销、埋点数据分析、消息通知以及文件服务等业务模块。运用alibaba-nacos作为微服务的注册中心和配置中心，nacos采用集群部署方式，前置采用nginx来做负载均衡；采用mysql作为持久层数据的存储，同时为了应对将来数据量激增需要分库分表情况的发生本次数据库主键id采用了snowflake算法生成并提前埋入分库基因；采用redis作为分布式锁，并缓存相应热点数据；采用rabbitmq来处理给批量用户发送的催收、还款短信（每天的发送量在2w~10w条之间）；采用es存储短信发送情况，方便业务与短信运营商进行数据校对。
具体技术点总结如下：
1、基 础 技术：spring、springboot、jwt、springsecurity、oauth2
2、分布式组件： springcloud生态组件，alibaba-nacos
3、中 间 件： RocketMQ、redis、skywalking
4、持 久 化： Mysql、 Redis、Elasticsearch、aliyun-OSS
5、构 建 组 件： Jenkins、Gitlab、Maven
6、其 他 组 件： Swagger、Swagger-ui

团队情况