负责电商平台核心交易链路（订单/支付/库存）的系统设计、性能优化与稳定性保障，推动NestJS技术栈升级与团队工程效能提升

• 主导设计基于NestJS的交易中台系统，采用DDD领域驱动设计拆分订单、支付、库存三大聚合根，通过Redis Cluster实现分布式锁解决超卖问题（锁粒度细化至SKU维度），结合JMeter压测验证QPS从3000提升至8000，大促期间支撑单日120万订单量无超卖事故。
• 针对用户下单接口慢问题，通过Arthas火焰图定位MySQL慢查询（原联合查询涉及5张表，执行耗时280ms），重构为覆盖索引+子查询拆分方案，配合连接池参数调优（max_connections从200调整至500），接口平均响应时间降至120ms，下单成功率从98.7%提升至99.95%。
• 设计订单-库存异步解耦方案，引入Kafka 3.4版本实现事件驱动架构，定义OrderCreated事件并通过幂等校验（Redis原子操作+消息ID去重）防止重复消费，消息处理成功率从99.2%提升至99.98%，日均处理50万+订单消息无积压。
• 推动团队技术基建升级，主导NestJS 7.x到9.x迁移（兼容TypeScript 5.0），开发ESLint自定义规则15条规范代码风格，搭建Jest单元测试框架使覆盖率从65%提升至82%，近半年线上P0级故障次数环比下降40%。

负责社区类产品（UGC内容/评论互动）的后端功能开发与性能调优，支撑用户增长与活动运营需求

• 独立开发UGC内容发布模块，基于Express 4.x框架实现富文本内容过滤（XSS防护库sanitizer）、图片云存储（对接七牛云SDK）、敏感词库实时校验（Trie树算法优化匹配效率至O(n)），日均处理用户发帖量20万+，内容审核耗时从3s缩短至500ms。
• 优化评论区高并发场景，通过pt-query-digest分析慢日志发现MySQL连接池瓶颈（原max_connections=100），调整为动态连接池（根据QPS自动扩缩容）并结合连接复用策略，支撑峰值2万+/分钟的评论提交，系统连续3个月无宕机记录。
• 参与双11活动大促保障，设计二级缓存方案（本地Caffeine缓存热点数据+Redis存储全量数据），预加载TOP1000商品评论数据至缓存，活动期间评论接口响应时间稳定在200ms内，未触发超时报警。
• 协助搭建应用监控体系，集成Prometheus+Grafana采集QPS、错误率、数据库慢查询（slow_query_log阈值设为500ms）等指标，自定义告警规则12条（如评论接口错误率>0.5%触发企业微信通知），故障发现时效从5分钟缩短至30秒。

负责内部管理系统（权限/订单）的后端功能实现，参与基础组件开发与线上问题排查

• 开发RBAC权限管理系统核心模块，使用JWT实现token鉴权，设计权限树缓存策略（Redis哈希存储，过期时间30分钟），权限校验耗时从150ms降至30ms，支持500+员工同时在线操作无延迟。
• 修复订单管理页面数据延迟问题，排查发现MySQL主从同步延迟（原配置binlog_format=STATEMENT），优化为ROW格式并增加缓存更新触发条件（主库写入后立即更新Redis），数据一致性从T+1提升至实时。
• 参与公司内部CLI工具开发，封装Node.js脚本实现CRUD模板代码自动生成（基于EJS模板引擎），支持DTO对象与数据库字段自动映射，团队开发效率提升40%，月均代码提交量增加800行。
• 协助处理线上BUG，定位到异步任务队列（Bull 3.x）处理异常导致数据丢失，增加重试机制（最大重试3次）与死信队列监控（Prometheus采集失败任务数），同类问题月发生率从3次降至0。

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。