负责电商平台核心交易链路（下单-支付-履约）的全生命周期设计、高并发场景优化及稳定性保障，覆盖需求评审、技术方案落地到线上问题排查全流程，协同产品、测试、运维团队解决交易峰值期系统瓶颈。

• 主导交易下单系统重构项目，基于Laravel框架结合领域驱动设计（DDD）拆分订单、库存、优惠域服务，针对大促期间QPS峰值800导致接口响应超时的问题，引入Swoole协程优化MySQL连接池（单进程连接数从50提升至200），同步设计Redis热点商品库存缓存策略（TTL动态调整+异步落库），将下单接口平均响应时间从280ms压降至90ms，大促期间系统吞吐量提升212%（QPS达2500），下单成功率从99.2%提升至99.95%。
• 解决跨服务的分布式事务一致性难题，针对订单支付成功后库存扣减与积分发放不同步问题，采用Seata TCC模式实现事务补偿，自定义注解封装事务上下文，结合RocketMQ事务消息做最终一致性兜底，将异常场景下数据不一致率从0.5%降至0.01%，大促期间未发生因事务问题导致的客诉。
• 主导MySQL慢查询专项治理，通过Percona Toolkit分析线上慢日志，定位订单表（单表数据量8亿+）因索引缺失及分库键不合理导致的查询耗时过长问题，新增联合索引（user_id+create_time）并调整分库策略（按用户ID哈希分16库），将核心订单查询耗时从500ms降至80ms以下，月度慢查询量从12万条减少至1.2万条。
• 推动团队技术基建升级，主导编写PHPUnit单元测试规范并落地，覆盖核心交易服务代码的75%（原30%），结合CI/CD流水线设置测试不通过阻断发布机制，上线后因代码逻辑问题导致的线上P0级故障减少60%，测试阶段问题发现率提升45%。

负责本地生活服务类产品（到店团购、外卖配送）的后端架构设计与性能优化，支撑千万级用户高频访问及复杂业务场景（如秒杀、拼团），保障系统高可用与业务规则精准落地。

• 设计并落地秒杀系统分布式架构，针对中秋月饼礼盒秒杀活动预估5万QPS峰值，采用Redis Cluster预扣库存（Lua脚本保证原子性）+ RocketMQ异步下单+数据库最终落库的三层设计，结合Nginx限流（按IP+用户ID双重校验），将活动期间系统崩溃率从历史15%降至2%，库存准确率保持100%，未出现超卖或漏卖问题。
• 优化用户中心会话管理系统，将原有基于文件存储的Session方案迁移至Redis Cluster，支持动态扩缩容（节点数从3扩展至8），单集群QPS从1000提升至5000，登录接口平均延迟从200ms降至50ms，同时实现会话过期策略精细化配置（滑动过期+固定过期双模式），用户重复登录率下降35%。
• 主导服务微服务化改造，将单体应用拆分为用户、订单、评价三个独立微服务，基于gRPC实现跨服务通信，配套开发服务治理平台（含服务注册发现、熔断降级、链路追踪），服务平均响应时间下降40%，故障隔离率提升至90%，单个服务故障影响范围从全平台缩小至单一业务模块。
• 解决活动拼团场景的高并发一致性难题，针对10人拼团超时自动退款需求，设计Redis分布式锁（RedLock算法）控制拼团状态变更，结合延时队列（RabbitMQ死信队列）处理超时任务，将拼团状态更新耗时从1s降至200ms，超时退款准确率提升至99.9%，活动期间未发生因状态不同步导致的资损。

参与企业级SaaS客户管理系统（CRM）的后端开发，负责客户需求迭代、功能模块实现及基础性能优化，保障多租户环境下系统稳定性与数据隔离性。

• 独立完成客户管理模块核心功能开发，基于ThinkPHP框架实现客户需求标签管理、多维度筛选（行业/规模/跟进状态）及批量操作（导出/分配），通过优化SQL查询（避免SELECT *、改用覆盖索引）将导出10万条客户数据的时间从3分钟缩短至20秒，支撑运营团队日常数据分析需求。
• 解决活动报名场景的并发超卖问题，针对企业举办线上研讨会时报名人数瞬时激增（峰值2000人/分钟），引入Redis分布式锁（SETNX+过期时间）控制同一活动的报名人数校验，同步优化数据库乐观锁（版本号机制）防止脏写，将报名成功率从95%提升至99.5%，大促期间未出现超报导致的场地资源浪费。
• 推动自动化测试体系建设，编写Shell脚本集成Jenkins实现代码提交后自动运行PHPUnit测试用例（覆盖核心业务逻辑80%），结合Codeception模拟用户操作验证前端交互后端接口联调，测试效率提升50%，上线前因功能缺陷导致的bug率下降25%，客户验收通过率从85%提升至95%。
• 参与多租户数据隔离方案优化，针对原有基于数据库共享+字段隔离的模式存在数据泄露风险，主导改造为独立数据库+共享字典表的分级隔离方案，开发租户路由中间件（基于请求头动态切换数据库连接），实现租户数据物理隔离，配合权限系统将越权访问风险降低90%。

星途直播平台高并发实时互动系统重构与性能优化

• 原直播系统采用单体架构，支撑千万级用户时出现消息延迟高（峰值800ms）、互动失败率高（1.2%）、服务器资源利用率低等问题，严重影响用户体验与业务转化。核心目标是将系统重构为高并发、低延迟的分布式架构，支撑1200万并发用户，将消息延迟降至200ms内、互动失败率降至0.1%以下。我的职责是主导架构设计、核心模块开发及全链路性能优化。
• 面临三大关键挑战：①单体架构无法弹性扩展；②HTTP轮询的消息推送链路导致高延迟；③弹幕、点赞等互动操作的强一致性难以保证。针对这些问题，我选择Apache Pulsar（低延迟、高吞吐的分布式消息队列）重构消息链路，采用Spring Cloud Alibaba微服务框架拆分系统，并设计“Pulsar事务消息+Redis Lua脚本”的强一致性方案，解决互动数据原子性问题。
• 主导完成6个核心微服务（用户中心、消息中心、互动中心等）的拆分，定义Feign+Sentinel的服务间RPC规范；将消息推送从HTTP轮询改为WebSocket+Pulsar Push模式，减少网络开销；搭建Prometheus+Grafana监控体系，结合Sentinel实现流量削峰，将峰值QPS从10万压至8万避免过载；推动互动数据双写校验机制，确保异常场景下的数据一致性。
• 系统重构后，QPS提升至20万，并发用户数支撑到1500万（超目标25%），消息延迟降至120ms（低于目标40%），互动失败率降至0.02%（低于目标80%）。业务层面，用户直播停留时长提升18%，打赏转化率提升10%，年营收增加约3000万元。我主导了架构升级的核心决策，解决了3个关键技术瓶颈，成为团队分布式系统方向的技术骨干。

星途短视频内容分发与个性化推荐后端系统从0到1研发

• 原短视频分发依赖人工规则，内容与用户兴趣匹配度低，用户平均停留时长仅3.2分钟，推荐点击率8%，无法支撑平台增长。核心目标是构建智能化分发系统，基于用户行为实现精准推荐，提升engagement。我的职责是负责实时数据处理、用户画像构建及推荐系统工程化落地。
• 遇到三大难点：①UGC/PGC/PUGC多源内容元数据不统一；②峰值15万条/秒的实时行为数据无法用批处理满足需求；③推荐模型迭代与线上效果脱节。我选择Kafka做实时数据管道，Flink做流处理生成用户画像，用TensorFlow Serving部署模型，平衡实时性与准确率。
• 主导制定内容元数据标准，整合3类内容源的100+维度标签（如视频类型、作者粉丝数），存储于MongoDB支持灵活扩展；开发实时用户画像系统，用Flink消费Kafka事件，每秒处理12万条数据，生成兴趣标签与行为偏好画像；推动Wide & Deep模型落地，结合实时画像调整权重，通过AB测试验证点击率提升效果；用Elasticsearch搭建内容索引，优化分发效率。
• 系统上线后，用户停留时长提升至7.1分钟（增长122%），推荐点击率提升至21%（增长162%），内容分发效率提升45%。业务层面，月活从500万增长至1300万（增长160%），短视频营收占比从15%升至30%。我从0到1搭建了实时画像与推荐系统，推动团队掌握机器学习工程化能力，获公司“年度技术创新奖”。

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。