• 独立负责内容自动审核系统的后端架构，通过对接多家AI服务商并设计降级策略，保障了99.99%的可用性，日均处理内容4万+篇，将人工审核成本降低 60%。
• 实现高性能计数器服务（文章阅读数、点赞数），通过 Redis异步落盘方案，将数据库写压力降低 95%，且数据误差小于0.1%。
• 将项目从LNMP 环境容器化（Docker），使新成员本地开发环境搭建时间从1天缩短至10分钟，团队协作效率大幅提升。

• 负责创作者广告收益系统的开发与维护，通过精确到秒的实时计算与分账逻辑，实现了每月千万级资金的准确、准时发放，零资金差错，建立了平台与创作者之间的信任基石。
• 期间主导开发数据一致性核对工具，定期自动化比对订单与资金数据，提前发现并修复了数个潜在资损漏洞，避免超百万元的潜在损失。
• 通过OPcache、CDN加速、图片WebP化等前端优化手段，在不改动业务逻辑的情况下，将全局页面加载速度提升了30%。

星途直播平台实时互动系统重构与百万级并发性能优化

• 星途直播作为公司核心娱乐产品，支撑日均120场泛娱乐直播（涵盖秀场、带货、游戏直播），在主播周年庆、大促带货等峰值场景下，并发用户数常突破80万。原有单体架构的实时互动系统（弹幕推送、礼物核销、连麦信令）暴露严重瓶颈：延迟高达800ms以上，礼物到账失败率3%，连麦接通率仅88%，直接影响用户留存（月活下降15%）和主播收入（投诉率月均200+）。我的核心职责是主导系统架构重构，实现“高并发、低延迟、强一致”的实时互动能力，支撑平台向“千万级日活”目标迭代。
• 项目面临三大技术挑战：1. 单体架构耦合严重，弹幕、礼物模块共享数据库连接池，故障易扩散；2. 原Kafka集群吞吐量上限5万TPS，峰值时消息堆积120万条，延迟陡增；3. 跨服务的分布式事务（如“礼物核销+用户等级更新+主播收益入账”）一致性难保障，偶现超发或漏发问题；4. 热门直播间（如顶流主播）的缓存击穿风险，曾导致数据库QPS飙升至10万+，响应时间超5秒。
• 1. 架构解耦：将单体拆分为12个微服务（弹幕服务、礼物服务、连麦网关、事务中心等），基于Spring Cloud Alibaba构建服务治理体系——用Sentinel做流量管控（限制单直播间弹幕推送QPS至5万），用Seata实现分布式事务（AT模式+业务补偿，如礼物核销先预扣余额，全链路确认后提交）；2. 消息系统升级：替换Kafka为Apache Pulsar，利用其“分层存储+计算存储分离”特性，将消息吞吐量提升至20万TPS；针对直播间场景定制“ID哈希分区策略”，同一直播间消息路由至固定分区，减少跨节点延迟；3. 缓存优化：用布隆过滤器拦截无效直播间ID请求（过滤99%的恶意/误操作请求），对热门直播间的“礼物库存”“在线用户列表”做“本地缓存+Redis集群”双缓存，预加载热点数据（提前5分钟加载顶流主播的礼物库存），缓存命中率从75%提升至92%；4. 连麦信令优化：用WebRTC替代传统RTMP，结合信令服务器集群（部署在阿里云边缘节点），将连麦接通率从88%提升至99.5%。
• 项目上线6个月内，核心指标显著提升：1. 系统支撑能力突破200万并发用户，弹幕延迟降至120ms以内，礼物到账失败率0.07%，连麦接通率99.3%；2. 成功支撑公司“2023直播嘉年华”活动，当天并发峰值280万，未出现P0级故障；3. 业务价值：用户停留时长提升25%，主播因互动问题投诉率下降72%，活动期间直播打赏GMV同比增长31%；4. 技术沉淀：主导的“Pulsar实时消息架构”“分布式事务补偿机制”被纳入公司《高并发实时系统技术规范》，成为后续电商秒杀、社交互动等项目的参考标准。

星途内容分发平台智能调度系统研发

• 星途内容分发平台承载平台90%以上的视频、图片内容（日均新增内容50万+，总库容超10PB），原有调度系统依赖“静态规则引擎”（如按节点带宽、地域分配），无法应对动态变化——内容热度突变（如爆款视频）会导致热点节点拥堵，冷门内容占用优质带宽；同时人工调整策略效率低（每次调整需2小时），资源利用率仅62%，CDN成本年增长28%。我的职责是研发智能调度系统，实现“动态感知流量、自动优化资源”的内容分发能力，降低分发延迟和CDN成本。
• 项目难点在于：1. 如何预测内容热度与节点负载？传统规则无法处理“爆款视频突然爆火”这类动态场景；2. 多约束条件下的最优调度策略：需平衡“分发延迟、节点负载、CDN成本”三个矛盾目标（如低延迟要求用边缘节点，但边缘节点带宽贵）；3. 系统兼容性：需无缝对接现有CDN厂商（阿里云、腾讯云）和存储系统（对象存储OSS），不影响现有业务运行。
• 1. 数据与模型层：采集近1年的内容访问日志（100亿+条）、节点负载数据（CPU、带宽、磁盘IO），用XGBoost训练“内容热度预测模型”（提前30分钟预测视频是否会成为爆款，准确率89%），用LSTM预测节点未来1小时的负载情况；2. 调度算法：融合遗传算法与启发式规则——以“分发延迟最小化、节点负载均衡化、CDN成本最低化”为目标函数，遗传算法优化调度决策（每5分钟重新计算一次调度策略）；3. 工程实现：开发调度引擎核心模块（用Go语言编写，性能优于Java 40%），对接OSS获取内容元数据，对接CDN厂商API调整分发策略；搭建监控面板（用Prometheus+Grafana），实时展示调度效果（如节点负载、分发延迟、CDN成本）。
• 系统上线后，效果显著：1. 资源利用率从62%提升至87%，CDN成本年降低33%（约节省2000万元）；2. 爆款视频分发延迟从1.2秒降至400ms以内，用户播放卡顿率下降58%；3. 人工干预率从100%降至5%（仅处理极端异常场景）；4. 业务支撑：平台内容量从500万条增长至1200万条，未增加CDN预算，成功支撑了“影视专区”“UGC创作者激励计划”等内容战略落地。我个人主导的“热度预测模型+遗传算法调度策略”获得公司“年度技术创新奖”，相关专利正在申请中。

• 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。