• 负责核心直播课互动系统（答题、签到、弹幕）的后端开发，通过WebSocket + Redis Pub/Sub处理高并发实时消息，成功支撑了万人大班课的顺畅互动，消息端到端延迟<120ms。
• 牵头设计分布式锁与服务协调方案，基于Redis实现了复杂业务场景下的互斥访问，保证了积分发放、抢答等场景的数据绝对一致性，实现零资损。
• 通过数据库查询优化与读写分离，解决了课程列表页面的性能瓶颈，页面加载时间从3秒优化至1秒内。

• 参与学员管理与课程订单系统的开发，设计柔性状态机清晰定义了复杂的业务流转逻辑，确保了系统在各类异常操作下的稳定性和数据正确性。
• 实现自动化对账与报表系统，每日凌晨自动生成财务和运营报表，替代了人工手动整理，准确率100%，每年节省人力成本超50人/日。
• 积极推动团队引入Celery处理异步任务，将注册欢迎邮件、数据统计等非实时操作异步化，提升了主流程的响应速度。

潮玩电商大促高并发交易系统重构项目

• 公司为应对潮玩品类双11大促的百万级并发交易需求，原单体交易架构暴露性能瓶颈——峰值并发仅5万/秒、库存超卖率0.1%、支付成功率不足99.5%，需重构分布式系统支撑业务增长。我主导交易系统的领域建模、核心模块开发及全链路压测，保障大促稳定性。
• 面临三大挑战：1. 单体转分布式的服务拆分边界不清，易引发核心域依赖；2. 高并发下库存扣减冲突率高（传统乐观锁达15%）；3. 订单、库存、支付跨服务强一致性难保障。针对性采用DDD划分核心域（交易/库存）与支持域，用Redis Lua脚本实现库存“预占+异步确认”原子操作，选Seata TCC模式解决跨服务事务。
• 主导3人小组完成交易领域建模，拆分出订单、库存、支付三个微服务并定义标准接口；优化库存逻辑——用户下单先预占Redis库存（Lua脚本保证原子性），支付成功后异步同步数据库，降低数据库压力70%；调整Seata事务协调器线程池与超时策略，将事务响应时间从200ms缩至50ms内。
• 重构后系统支撑30万/秒峰值并发，库存超卖率降至0、支付成功率99.95%，大促处理1200万订单无故障，支撑营收增长25%。项目获公司年度技术突破奖，我主导解决了分布式交易核心痛点，成为潮玩交易基础设施负责人。

潮玩社区实时用户行为分析系统研发

• 公司为提升潮玩个性化推荐效果，需整合APP/小程序/官网多端用户行为数据，但原离线系统延迟高（分钟级）、数据碎片化，无法支撑实时推荐。我负责实时数据处理 pipeline、用户画像构建及与推荐服务对接。
• 难点在于：1. 多端SDK数据字段差异30%，难以统一采集；2. 需支持每秒20万条数据的实时清洗聚合；3. 用户实时画像查询需毫秒级响应。采用Kafka统一采集多源数据，Flink做实时处理，Redis存储画像解决性能问题。
• 设计标准化数据schema，开发各端SDK适配器解决数据碎片化；优化Flink作业——并行度调至16、用5分钟滑动窗口聚合行为数据，将延迟从1分钟缩至200ms内；用Redis Hash分桶存储画像（按行为类型拆分字段），使推荐服务查询时间从500ms降至50ms。
• 系统上线后，实时吞吐量达25万条/秒，延迟稳定在300ms内，推荐点击率提升35%、用户留存率从28%升至46%。项目成为公司推荐业务核心数据平台，我借此晋升技术负责人，积累了实时数据处理与架构设计经验。