• 负责公司API Gateway的开发与维护，其设计的统一认证、限流和日志中间件，日均处理亿级请求，为后端微服务提供了稳定、安全的入口。
• 实现的动态路由与灰度发布功能，支持按百分比、用户标签等策略将流量路由至不同版本的服务，使新版本上线回滚效率提升80%，风险极大降低。
• 该网关的稳定表现为后续公司所有业务的微服务化打下了坚实基础，成为技术架构的核心组成部分。

• 参与商家管理平台后端API开发，采用Express + TypeORM技术栈，高质量交付了所有接口，支撑了平台从0到1的上线。
• 负责用户积分与优惠券系统的并发控制，通过数据库事务和Redis原子操作，保证了在高并发场景下积分增减和券发放的绝对准确性，实现零资损。
• 积极推动团队引入Jest进行单元测试和接口测试，将核心业务代码覆盖率从0提升至70%，显著提升了代码质量。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。

星途直播平台实时互动系统重构与性能优化

• 项目背景：原直播系统采用HTTP长轮询实现弹幕、礼物等实时互动，峰值时（如头部主播直播间）弹幕延迟超500ms、丢失率高达3%，礼物并发扣减偶发超时导致用户投诉；同时系统耦合度高，新增互动功能（如连麦PK）需修改核心代码，迭代效率低。我的目标是主导重构实时互动系统，将延迟降至100ms内、丢失率低于0.1%，支持10万级并发互动，且具备快速扩展能力。
• 解决难点：针对传统长轮询的低延迟缺陷，选择WebSocket+Kafka组合——WebSocket解决双向实时通信，Kafka解耦消息生产与消费以提升吞吐量；针对礼物系统的高并发一致性问题，设计“Redis分布式锁+数据库乐观锁”双重保障机制；针对多端消息同步的去重需求，引入HyperLogLog统计在线用户。
• 核心行动：① 分模块重构消息通道层，先迁移弹幕、礼物消息至新架构，保留旧版HTTP接口平滑过渡；② 实现礼物系统的“流水号幂等校验”——用户发礼物时先在Redis扣减库存并生成唯一流水，再异步同步数据库，通过流水号避免重复扣减；③ 搭建Prometheus+Grafana监控体系，实时监控WebSocket连接数、Kafka消息延迟、礼物扣减成功率，设置阈值触发报警。
• 项目成果：重构后弹幕延迟降至80ms内、丢失率0.05%以下，礼物并发能力提升至5万笔/秒；支撑12场百万级观众直播，用户互动率提升22%；打赏转化率增长15%，年营收增加约800万元。我主导了系统架构设计与落地，掌握分布式实时系统的性能优化方法，从“功能执行者”成长为“技术方案决策者”。

星途短视频平台个性化推荐后端系统从0到1搭建

• 项目背景：原推荐系统依赖第三方，数据反馈延迟超10分钟，无法捕捉用户实时兴趣（如刚看美食视频，10分钟后才推荐同类内容），导致用户留存率仅35%。我的目标是搭建实时推荐后端系统，将数据延迟降至1分钟内，支撑首页“猜你喜欢”功能，提升留存与播放时长。
• 解决难点：需解决用户行为的实时采集清洗、多维度特征融合、模型低延迟调用三大问题。选择Flink构建实时数据 pipeline，消费Kafka中的行为消息做1分钟窗口聚合；基于HBase存长期画像、Redis存实时特征，解决特征融合的低延迟问题；用TensorFlow Serving部署模型实现毫秒级预测。
• 核心行动：① 设计“用户行为→Kafka→Flink处理→HBase/Redis存储→模型调用”链路；② 提取20+维度实时特征（如近期美食视频观看时长），与用户基础画像融合成100维特征向量；③ 开启Flink每5分钟Checkpoint、HBase多副本，保障故障数据不丢失。
• 项目成果：数据延迟从10分钟降至45秒内；“猜你喜欢”点击率从8%升至24%，用户日均使用时长增加18分钟；短视频播放量增长25%，留存率从35%提升至47%。我全程参与架构设计、核心开发与调优，掌握实时数据处理与推荐系统的协同设计，积累了分布式数据处理经验。