• 作为核心开发者参与公司自研分布式任务调度系统的开发，参与设计的基于DAG的工作流引擎和智能故障转移策略，将大规模批量任务的执行成功率从98%提升至99.99%，日均稳定调度任务超千万次，成为公司内部最可靠的基础设施之一。
• 攻克了海量异步任务结果存储与检索的性能瓶颈，通过Redis + 二级存储（S3）的混合架构，在保证低成本的同时，实现了毫秒级的结果查询，支撑了公司所有数据报表与离线计算业务。
• 该项目成功产品化，作为PaaS服务对外输出，年创造直接收入超三百万元。

• 负责对象存储服务的元数据管理子系统，通过Python + etcd构建高可用的分布式缓存层，解决了元数据访问的性能瓶颈，使列表查询接口的P99延迟降低80%。
• 实现的智能生命周期管理策略，自动将冷数据迁移至低成本存储 tier，在不影响用户体验的前提下，使整体存储成本下降25%。
• 将团队主要服务的Python版本从2.7全面升级至3.8+，并推动了类型注解（Type Hints）的全面应用，代码健壮性和可维护性得到质的飞跃。

星途直播平台高并发弹幕系统重构与性能优化项目

• 星途直播平台顶流主播开播时，原单体架构弹幕系统暴露严重性能瓶颈——峰值延迟达2s+、丢包率5%，核心痛点是消息队列吞吐量不足（RabbitMQ仅1万条/秒）、Redis分片不均引发热点、传统MD5去重算法内存占用高。我的目标是重构系统以支撑单直播间200万+并发弹幕，将延迟压降至500ms内、丢包率低于1%，同时担任整体架构设计与核心模块开发负责人。
• 项目面临三大技术挑战：一是单体架构无法横向扩展，二是现有消息队列难以承载高并发写入，三是弹幕去重与排序的效率问题——传统MD5去重需存储全量弹幕哈希，内存消耗呈指数级增长；而单纯时间戳排序易导致消息乱序。
• 我主导架构拆分为“生产-存储-推送”三个微服务：用Kafka替代RabbitMQ，利用其分区机制实现消息并行消费，吞吐量提升至10万条/秒；针对去重问题，设计“布隆过滤器预过滤+Redis Set精准校验”的双层机制——布隆过滤器拦截99%重复弹幕，Redis仅存储未命中弹幕的哈希，内存占用降低80%；排序环节引入时间轮算法，将弹幕按时间窗口缓存并顺序推送，CPU消耗减少40%。
• 项目上线后，单直播间支持250万并发弹幕，延迟降至280ms，丢包率仅0.08%；服务器数量从8台缩减至5台，年运维成本降低35%；用户弹幕发送成功率从95%提升至99.9%，该方案被纳入公司直播技术中台，我也因此晋升为直播业务后端负责人。

星途电商平台全链路库存一致性系统建设项目

• 星途电商大促期间（如618、双11），库存超卖（峰值0.1%）、多渠道（APP/小程序/抖音小店）库存同步延迟（5秒+）问题突出，导致订单取消率高达15%，严重影响用户体验与营收。我的目标是搭建全链路库存一致性系统，将超卖率降至0.01%以下、库存同步延迟控制在1秒内，同时负责库存服务架构设计及跨系统协同。
• 原系统存在三大核心问题：一是同步依赖同步RPC调用，易引发雪崩；二是缺乏分布式事务支持，多渠道库存更新不同步；三是MySQL库存变更无法实时同步到缓存，导致前端显示与实际库存不一致。
• 我推动库存服务从单体拆分为“中心-同步-校验”三个微服务：基于Seata实现TCC分布式事务（Try阶段预留库存、Confirm确认扣减、Cancel释放库存），解决跨渠道库存一致性问题；用Canal监听MySQL binlog，实时将库存变更同步到Redis与ES，保证缓存与数据库的一致性；设计多渠道库存统一缓存层，通过分布式锁协调不同渠道的库存扣减，避免超卖。
• 系统上线后，超卖率降至0.003%，库存同步延迟降至0.3秒，大促订单取消率降低至8.5%；每年节省因超卖、同步问题导致的人工客服与赔付成本约220万；该方案成为公司电商库存标准架构，我因此获得当年公司“技术突破奖”，并主导了后续供应链库存扩展项目。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。