负责电商平台核心交易链路（订单中心/支付中心）的架构设计与性能优化，保障大促期间亿级流量下的系统高可用，推动微服务治理与分布式技术落地

• 主导订单中心微服务架构升级：基于Spring Cloud Alibaba重构原单体架构，拆分为订单主服务、库存预占服务、物流对接服务，引入Sentinel实现全链路流量控制（QPS峰值限制2.5万），结合Seata TCC模式解决跨服务的分布式事务一致性，大促期间订单创建成功率从99.2%提升至99.9%，事务回滚耗时降低40%
• 优化支付链路高并发处理能力：针对支付回调接口的流量洪峰（峰值1.8万/秒），设计RocketMQ异步解耦方案，将同步回调改为消息通知+状态机轮询，配合本地Caffeine缓存存储支付状态，QPS承载能力从8000提升至2万，接口平均响应时间从500ms压缩至150ms
• 推动数据库分库分表落地：使用ShardingSphere对订单表按用户ID哈希分片（16库32表），解决单库5000万+数据量的查询瓶颈，结合覆盖索引优化（新增user_id+create_time联合索引），订单详情查询耗时从800ms降至200ms以内，慢SQL占比从12%降至1%
• 搭建全链路压测体系：基于Jmeter+Skywalking模拟双11真实流量场景，发现订单状态机状态流转死锁、Redis热点Key竞争等12个潜在问题，通过调整状态机并行度、Redis Cluster分片优化，大促期间系统连续3年零故障运行

负责用户中心与营销活动系统的核心功能开发，聚焦系统性能瓶颈突破与高并发场景支撑，推动中间件与存储方案迭代

• 重构用户鉴权体系：原JWT令牌存储于单机Redis存在单点风险，迁移至Redis Cluster（3主3从）并引入布隆过滤器拦截无效token校验，QPS从3000提升至1.2万，认证接口耗时从300ms降至50ms，年节省服务器成本约15万元
• 设计秒杀系统核心模块：针对618大促秒杀场景，采用本地Guava Cache+Redis分布式锁双重库存校验，结合RocketMQ顺序消息保证扣减一致性，支撑5万/秒秒杀请求，超卖率从0.3%降至0，系统吞吐量提升3倍
• 落地Elasticsearch搜索服务：原商品搜索依赖MySQL LIKE查询（耗时1.2s），迁移至ES集群（3节点），优化索引结构（ik分词器+同义词词典），实现多维度筛选（品牌/价格/类目），搜索响应时间降至200ms，搜索转化率提升25%
• 构建监控告警体系：集成Prometheus+Grafana，自定义JVM内存/GC频率、数据库连接池使用率等30+核心指标，配置阈值告警（钉钉机器人），故障定位时间从平均30分钟缩短至5分钟内

参与企业内部管理系统开发，负责需求落地与基础功能迭代，积累Java后端开发全流程经验

• 完成员工考勤系统开发：基于Spring Boot+MyBatis实现考勤规则配置、请假/加班审批流程，支持500+员工日常使用，通过单元测试覆盖核心逻辑（覆盖率85%），上线后月均bug量低于2个（千行代码bug率0.3‰）
• 优化数据存储方案：原考勤记录单表存储导致查询慢（10万数据查询耗时8s），改为按月分表+归档历史数据，结合覆盖索引（user_id+date），月度统计报表生成时间从10分钟降至1分钟
• 实现官网留言板功能：负责用户留言提交、敏感词过滤（DFA算法）、实时通知（WebSocket）模块开发，留言审核效率提升40%，敏感词拦截准确率达99%
• 参与技术沉淀：整理《Spring Boot常见性能问题排查手册》，覆盖连接池配置、日志级别优化等10+场景，团队编码规范评分从80分提升至92分

泛娱乐社区实时情感互动系统研发

• 项目背景：公司旗下泛娱乐社区“星聊”用户互动率连续3季度下滑，核心痛点是实时情感反馈链路长、跨端状态不一致，无法满足Z世代对“即时情感共鸣”的强需求。我的目标是主导设计一套支持百万级并发的实时情感互动系统，打通“消息发送-情感识别-精准反馈”全链路，从技术侧驱动用户互动体验升级。
• 关键难题：一是高并发下低延迟与系统稳定性的平衡（峰值需承载150万TPS的消息洪峰）；二是情感分析的准确性（初始规则引擎依赖关键词匹配，准确率仅68%）；三是跨iOS/Android/Web三端的消息顺序、状态一致性保障。解决：选型Apache Pulsar替代原有Kafka，利用其BookKeeper分层存储特性实现<50ms的消息传递延迟与高吞吐；针对情感分析，基于BERT-base微调轻量级模型（参数压缩至150M），融合用户历史互动行为（如常用表情、回复速度）作为辅助特征，将准确率提升至89%；设计“Protobuf+WebSocket双协议同步+Redis分布式锁”机制，解决跨端消息乱序问题。
• 核心行动：主导系统三层架构设计——接入层用Nginx做负载均衡与协议转换，逻辑层基于Spring Cloud Alibaba拆分为消息网关、情感分析、反馈触发三个微服务，数据层用TiDB支撑分布式事务；推动模型迭代，每周用用户真实互动数据做Fine-tune，将损失函数从交叉熵改为Focal Loss以解决正负样本不平衡问题；落地Sentinel熔断降级策略，针对情感分析服务设置QPS阈值，峰值时自动降级为规则引擎兜底，确保系统可用性保持在99.99%以上。
• 项目成果：系统支撑了“星聊”年度嘉年华活动，峰值并发120万，消息延迟稳定在80ms以内；情感互动率（用户收到情感反馈后的回复率）从18%提升至63%，用户日均停留时长增加32分钟；项目获公司Q3技术创新奖，我主导输出的《高并发实时情感互动系统设计手册》成为团队后续同类项目的技术规范，带动了整个业务线的互动率增长20%。

短视频创作收益实时结算系统重构

• 项目背景：“星创”短视频平台创作者对收益结算的吐槽集中在两点——时效滞后（T+1到账）与准确性存疑（每月约15%的订单对账异常），直接导致创作者流失率上升8%。我的目标是从0到1重构收益结算系统，实现“实时计算、精准到账”，重建创作者对平台的信任。
• 关键难题：一是多源数据的实时一致性（收益来源分散在播放量统计、打赏、广告分成等10+系统，需秒级同步）；二是复杂结算规则的实时计算（如阶梯分成、任务奖励叠加、税务扣除等，传统批量计算无法满足时效）；三是高并发下的容错（大促期间需处理亿级订单，重复计算或漏算会导致资金损失）。
• 核心行动：采用Debezium CDC捕获MySQL业务库的变更日志，同步至Kafka后用Flink实时消费计算，将数据延迟从小时级压缩至<1秒；抽象出“收益事件-规则引擎-账户账本”三层模型——收益事件层统一接入各类数据源，规则引擎层用Groovy脚本动态加载运营配置的结算规则（支持实时调整），账户账本层用Redis做缓存、TiDB做持久化，保证账目实时可查；设计“雪花算法生成唯一订单ID+Redis去重”的幂等框架，彻底避免重复计算问题。
• 项目成果：系统上线后，创作者收益到账时效从T+1变为实时（最长延迟<2分钟），对账错误率从0.1%降至0.005%以下；创作者投诉率下降至6%，留存率提升12%；运营成本减少28%（人工核对工作量从每周10人天降至2人天）；成功支撑了平台“千万创作者激励计划”，参与创作者数量增长40%，优质内容产量提升35%，间接带动了平台DAU增长15%。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。