猿急送>

合肥Java兼职程序员

ID：349673

叶子

技术经理

公司信息：
科大讯飞

工作经验：
10年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日
可工作日远程

所在区域：
合肥
全区

技术能力

➣ 10年IT开发经验，3年以上系统设计和架构设计经验，3年14人+团队管理经验。
➣ 熟悉高并发编程，掌握JUC并发包，掌握Java锁的机制及原理，以及线程安全机制。
➣ 熟悉分布式系统架构设计，具有大流量、大访问量、高负载环境下的系统设计、开发和优化经验。
➣ 熟悉微服务生态，掌握Spring、SpringBoot、SpringCloud（Nacos、Eureka
、Springcloud Config、Gateway、Ribbon、Hystrix、Zuul）等技术，并能搭建微服务体系架构。
➣ 熟悉主流数据库，包括MySQL、Oracle、Postgresql、MongoDB，深入理解MySQL存储原理、事务隔离级别、事务传播机制，对SQL优化有着一定的经验
➣ 深入理解Redis线程模型，熟练掌握Redis的核心数据结构的使用场景，熟悉分布式系统中多级缓存架构设计，对缓存雪崩、缓存穿透以及缓存击穿有一定的解决能力
➣ 熟悉主流中间件，掌握RocketMQ、Kafka、ElasticSearch底层原理及特性，并能根据不同业务场景进行技术选型。对消息中间件消息丢失、重复消费、顺序消费、大规模消息投递有一定的经验
➣ 熟悉分布式理论，熟悉Paxos算法、Raft协议，熟悉zookeeper、分布式锁，使用seata解决分布式事务问题。
➣ 深入理解JVM底层原理，熟悉JVM各种垃圾收集器的使用和参数调优，有过JVM线上调优经验，对JVM调优有一定的见解和思路。
➣ 熟悉云原生技术，掌握docker、kubernetes容器技术，能够制作镜像、进行服务编排。
➣ 熟悉网络技术、信息安全领域、加密技术，熟悉常见的网络攻击手段以及应对办法。
➣ 熟悉常用设计模式，并能在系统设计中灵活运用。
➣ 熟悉数据结构与算法，掌握链表、队列、栈、堆、树，以及各类常见算法。
➣ 了解大数据相关组件。

项目经验

项目描述：智医助理，用人工智能帮助医生完成辅助诊断。目前已覆盖全国280+个区县，服务5万医生群体，覆盖1亿患者，提供3亿次AI诊断。
技术栈：智医助理3.0：springcloud+eureka+springcloudconfig+feign+ribbon+nginx+redis+rocketMQ+MySQL+websocket+swift（文件系统）+ Sharding-JDBC
智医助理4.0：springcloud+nacos+ribbon+nginx+redis+rocketMQ+ PostgreSQL +websocket+MiniIO（文件系统）+seata
你的成就：
1. 负责智医助理3.0研发过程，以及智医助理技术架构演进
① 主导千万级业务大表的分库分表实践
➢背景：核心库病历表一天产生约3w条记录，一年约1000w条数据，生产环境数据量2100w+，MySQL性能遇到瓶颈，需要针对数据量>1000w的核心业务表做分库分表方案。
➢方案与措施：先做技术预研，确定使用ShardingSphere，并选择对业务侵入性较小、性能较高的Sharding-JDBC。集群+读写分离+分库分表，按照行政区划（区县级别）水平分片，分片后单表数据预计在100w，按照当前增速，可保证5~8年内无性能瓶颈。届时再做冷热数据分离。针对未达性能瓶颈的私有化环境，设置关闭启动开关，避免因分表带来的运维成本。
➢产生效果：核心表数据拆分以后，在机器资源(16核32G)较充足时，单表查询吞吐量相比与JDBC提升近两倍，混合场景提升约30%。
② 高并发推送接口性能优化
➢背景：智医助理为插件型应用，数据需要第三方his系统调用接口（就诊接口、病历接口、处方接口）导入数据，业务高峰时，接口性能下降，甚至请求超时，需要针对接口进行性能优化
➢业务分析与解决办法：
a）业务流程梳理优化：异步请求三方系统；三方系统的多个接口合并；将能力平台的多个能力接口合并成一个大接口，减少多次调用带来的网络传输延时。针对不能合并的接口，且结果间无相互依赖的，使用Future机制异步调用。
b）数据库优化：慢SQL优化，病历ID字段为bigint36，部分SQL中隐式转换成了字符串；explain慢SQL的执行计划，分析耗时原因，就诊表name字段索引冗余，与联合索引首位重复，并且有两张表jion时，连接字段未建立索引，删除冗余索引，新建连接字段的联合索引。
c）缓存优化：对于接口中的字典信息（性别、职称等）重复调用字典服务，将字典信息缓存至Caffeine本地缓存。
d）对依赖的三方服务优化： token生成策略优化，每次请求三方接口的鉴权token需要重新生成，改为一次申请8h内可用。
f）异常处理：针对小概率失败的数据，推到rocketMQ，利用MQ的延时消息1s后重试。
➢产生效果：压测后，相同机器，50路并发，接口的平均响应时间由原有的200~400ms降低至100~200ms，tps有小幅提升，具体请参照下图（压测报告节选）：

③ 基于雪花算法（snowflake）的分布式主键生成器的设计与落地
➢背景：对于分布式系统环境，主键ID的设计很关键，自增ID在分库分表后数据合并时会冲突，比较早的时候，大部分系统都用UUID/GUID来作为主键，优点是方便又能解决问题，缺点是插入时因为UUID/GUID的不规则导致每插入一条数据就需要重新排列一次，性能低下；医疗的私有化部署场景多，每个医院都需要部署一套系统，10位数据机器位，可以部署1024个节点，这是不够的。
➢复杂度：了解雪花算法生成器的工作原理，并能基于医疗需求进行改进。

➢改进方案：通过对算法原理分析可知：可以调整时间位，机器ID位，序列位的大小来满足业务的个性化需求。讯飞医疗的业务有如下特征：
a）云边一体，每个医院都需要部署一套系统，原版机器位10位只能部署1024台机器，这是不够的。我们把机器位默认设置为20位，这样能部署1048576台机器。
b）讯飞的并发量并没有Twitter那么大，所以毫秒时间戳太让费，我们到秒即可。我们默认设置时间位是33位，这样可以用272年。
c）原版12位序列每秒可产生4096个ID，我们默认设置的是10位，每秒产生1024个ID.

➢产生效果：封装成通用组件纳入脚手架的公共组件，形成BU级别的规范标准。
④ 分布式事务seata在业务侧的落地
➢背景：随着业务的发展，医疗需要基于DDD思想进行服务拆分，微服务分布式事务问题随之而来，引入seata组件。
➢方案与措施：技术调研发现，Springcloud Alibaba的seata为主流的解决方案，较为成熟，且符合医疗整

案例展示

负责智医助理3.0研发过程

项目描述：智医助理，用人工智能帮助医生完成辅助诊断。目前已覆盖全国280+个区县，服务5万医生群体，覆盖1亿患者，提供3亿次AI诊断。技术栈：智医助理3.0：springcloud+eureka+springcloudconfig+feign+ribbon+nginx+re
分布式开关配置系统

支持省市区多维度的开关配置。统一配置中心，可视化配置，以交付视角重新设计配置页面，打破研发系统的割裂性。