• 全面负责内容推荐与搜索系统的后端架构，引入Ray框架构建分布式计算任务，将模型特征计算和用户画像更新的效率提升5倍，实现了准实时的个性化信息流刷新。
• 主导多源内容抓取与结构化项目，通过Scrapy框架和自研的智能解析算法，实现了对数千家信息源的高效采集与内容提取，准确率超95%，奠定了公司业务的数据基石。
• 建立技术团队效能提升体系，包括代码规范、CR流程、自动化测试和工具链，将需求平均交付周期缩短35%，团队版本发布信心显著增强。

• 重构了核心的新闻详情页API服务，通过Django + 多层次缓存（LocalMem + Redis）架构，将接口响应时间从500ms优化至50ms（P99），并成功应对了数次热点事件带来的流量洪峰（日PV从百万级跃升至千万级）。
• 主导设计防爬虫与流量清洗系统，基于用户行为指纹和机器学习模型，有效识别并拦截了95% 的恶意爬虫流量，每日节省带宽成本超万元。
• 实现AB测试平台后端，支撑了产品与运营团队的快速实验迭代，通过数据驱动决策，关键功能的用户转化率提升了15%。

生鲜全链路实时库存与履约协同系统重构

• 生鲜电商业务因库存与履约系统割裂，存在超卖率8%、月均生鲜损耗150万的核心痛点，目标是整合“库存-订单-履约”全链路，实现实时数据同步，降低损耗并提升履约效率。我在项目中统筹架构设计、核心模块开发及跨产品/前端/仓库系统的协作，对结果直接负责。
• 面临两大技术瓶颈：一是多渠道（APP/小程序/第三方）订单并发下，原异步MQ方案导致库存与订单状态延迟3-5秒，引发超卖；二是履约调度依赖人工规则，骑手与订单匹配度低，超时率达38%。我选择Seata AT分布式事务框架解决库存修改与订单生成的原子性问题，同时用Redis分布式锁保障高频库存扣减的一致性；针对履约调度，设计了融合贪心算法与实时GPS位置的服务引擎。
• 主导重构库存中心，将库存粒度从“仓库-品类”细化至“仓库-品类-批次-保质期”，结合ShardingSphere实现库存表分库分表（8库16表）；开发履约调度服务，接入骑手实时位置接口，用贪心算法优先分配“距离≤1公里+时效达标”的骑手，通过乐观锁处理骑手资源冲突。
• 项目上线后，库存准确率从92%提升至99.6%（超卖率降至0.3%），月均损耗减少至70万（下降53%）；履约超时率降至21%（下降45%），用户履约满意度从4.1升至4.7（满分5）。该系统成为公司生鲜品类的核心基础设施，支撑双11大促0超卖目标，我个人的技术方案被纳入公司技术中台标准。

在线课程高并发选课与智能排课系统优化

• 教育平台大促（如开学季）期间，选课并发峰值达1500 QPS，常因数据库连接池耗尽崩溃；同时排课依赖人工规则，老师资源冲突率25%、排课周期3天，无法支撑快速开课需求。我的角色是核心模块负责人，负责选课与排课系统的重构及性能优化。
• 核心挑战：一是秒杀级选课流量突增，单库单表无法承载高并发写入；二是排课规则复杂（老师跨校区、课程类型互斥、教室资源有限），传统规则引擎效率低。针对流量问题，用Redis布隆过滤器过滤重复请求，结合令牌桶限流将QPS控制在数据库承载范围内；排课系统引入遗传算法，将老师/教室/课程约束转化为基因编码，通过迭代优化找最优解。
• 主导选课系统重构，用ShardingSphere将订单表按用户ID分片（8库16表），设计缓存预热策略（提前加载热门课程库存至Redis）；开发排课服务，封装遗传算法引擎，支持动态调整约束（如临时新增老师），通过数据库乐观锁处理并发排课冲突。
• 项目落地后，选课并发能力提升至8500 QPS（增长6倍），大促期间数据库连接池利用率从95%降至60%，系统可用性达99.99%；排课效率提升70%，周期缩短至1天内，老师资源冲突率降至5%以下。该方案支撑平台年度3次大促稳定运行，成为教育类产品的排课标杆，我个人获公司“年度技术突破奖”。