负责企业服务SaaS平台核心交易链路（订单/支付/在线协作）及大促高并发场景的性能测试全生命周期管理，覆盖需求拆解、场景建模、压测执行、瓶颈定位及容量规划，保障系统在10万+并发下的稳定性与性能SLA达标

• 主导核心订单支付链路性能测试：基于JMeter+Grafana搭建分布式压测环境（10台压测机模拟12万并发），结合Arthas追踪到MySQL热点账户事务锁竞争问题——通过优化覆盖索引（将原二级索引调整为包含订单金额、状态的覆盖索引）和拆分日结账户表（从单表1亿条拆分为按月份分表），支付成功率从99.2%提升至99.95%，TPS从3200跃升至5800，支撑双11大促零支付故障
• 针对在线文档多人协作编辑场景，创新“真实流量回放+动态参数化”方案：用Tcpcopy捕获生产环境90%真实用户操作流量，结合Locust编写脚本还原“编辑-保存-同步”操作模式，发现Redis缓存穿透问题（热点key未命中导致DB压力骤增）——推动开发引入布隆过滤器，缓存命中率从85%提升至97%，协作延迟从200ms压降至80ms内
• 搭建性能指标关联模型：基于历史流量与业务增长（年增速40%），建立“并发用户数-DB QPS- Redis命中率”线性回归模型，输出大促容量评估报告，推动基础设施团队扩容K8s集群节点30个、Redis分片2个，保障15万并发下系统资源利用率稳定在70%以下
• 构建性能测试闭环体系：定义“响应时间（P99≤200ms）+ TPS达标率（≥95%）+ 错误率（≤0.1%）”三层验收标准，整合Prometheus+Alertmanager实现性能异常自动化预警（如CPU使用率超80%触发告警），将问题发现时间从小时级缩至分钟级，季度内提前拦截5起潜在性能故障

负责企业级协同办公平台基础服务（IM/文件/组织架构）性能测试，聚焦接口性能验证、瓶颈定位及优化落地，支撑平台从千级到万级用户规模扩张

• 解决IM消息发送延迟问题：用Wireshark抓包分析发现Netty线程池配置不合理（核心线程16→任务排队），结合JProfiler定位到同步IO阻塞——调整线程池参数（核心32/最大64）并切换为异步NIO，消息延迟从150ms降至50ms内，日均用户投诉量下降70%
• 优化文件上传性能：设计多维度场景（1G大文件/100并发/4G弱网），用Charles模拟弱网丢包（10%丢包率），发现OSS签名算法（RSA）耗时过高——推动开发替换为SM4对称加密，签名耗时从80ms降至15ms，文件上传成功率从98%提升至99.8%
• 支撑组织架构重构性能验证：搭建影子库模拟100万+用户组织架构数据，用LoadRunner执行回归测试，发现部门查询接口SQL慢查询（执行时间从200ms→800ms）——协助DBA添加联合索引（部门ID+父节点ID）+拆分大表，查询时间压回300ms内，保障重构上线零性能问题
• 标准化性能测试流程：制定《性能测试用例设计规范》《压测环境管理办法》，将测试周期从2周缩至1周，覆盖率从70%提升至95%，团队人均效率提升40%

协助完成企业OA系统性能测试，参与场景设计、脚本开发及结果分析，积累基础性能测试能力与业务流程理解

• 参与审批流程性能测试：根据需求设计请假/报销场景，用JMeter开发自动化脚本模拟500并发，发现审批节点数据库连接池耗尽（最大连接20→超时）——推动开发调至50，审批超时率从10%降至1%内
• 定位邮件发送瓶颈：用ELK分析日志发现SMTP服务器并发限制（100→失败），推动运维调至500，邮件成功率从90%提升至98%
• 整理性能数据与报告：收集100+组测试数据，输出包含响应时间分布、资源利用率的报告，协助团队解决3个性能问题
• 学习工具并分享：自学LoadRunner完成登录模块脚本开发，输出《LoadRunner入门文档》分享，提升团队工具使用能力

星途互娱泛娱乐社交APP全链路质量保障体系搭建及性能提效项目

• 项目背景：公司核心泛娱乐社交APP（融合直播、短视频、IM即时通讯三大核心场景）在用户规模突破500万后，因多端（iOS/Android/Web/小程序）快速迭代导致质量问题频发——直播推流卡顿率达8%、IM消息延迟超时率5%、短视频上传失败率3%，直接造成用户月留存率下降12%。我的核心目标是主导搭建覆盖“需求-开发-测试-线上”全链路的质量保障体系，将核心场景故障发生率降低50%以上，同时提升测试团队效率30%。
• 关键难题：1）多端业务差异大，传统手工测试无法覆盖高频迭代的边缘场景；2）直播推流、IM实时消息等强依赖网络与时序的场景，缺乏精准的性能复现与定位工具；3）线上故障涉及前端、后端、数据库多链路，日志分散导致定位耗时久（平均30分钟/次）。
• 核心行动与创新：1）工具链整合与自研：基于Appium+Selenium搭建跨端自动化测试框架，封装多端通用操作库，覆盖80%核心功能回归（如IM聊天、直播关注、短视频点赞），用Allure生成可视化报告；针对直播推流场景，自研“高并发推流模拟器”（结合OBS Studio与Python脚本），模拟10万+用户同时推流的码率波动、网络抖动场景；2）分布式链路追踪：引入Jaeger系统打通前端埋点、后端接口、数据库慢查询日志，实现“用户操作-接口调用-数据库响应”全链路追踪，故障定位时间压缩至1分钟内；3）测试左移与质量门禁：在需求评审阶段输出《质量风险清单》，要求接口测试覆盖率≥90%、代码静态扫描缺陷密度≤0.1个/千行才能进入上线流程，推动开发团队提前修复潜在问题。
• 项目成果与价值：1）核心场景质量显著提升：直播推流卡顿率降至1.2%、IM消息延迟超时率降至0.8%、短视频上传失败率降至0.5%，用户月留存率回升至原来的92%；2）测试效率大幅提效：自动化覆盖率从30%提升至85%，回归测试时间从每周12小时缩短至3小时；3）支撑业务增长：APP月活从500万增至800万，大促期间未出现大规模质量事故。我个人主导了体系设计与跨团队落地，成为公司质量团队的方法论标杆，后续被推广至公司其他三条业务线。

星途互娱直播业务高并发场景稳定性测试与容量规划项目

• 项目背景：公司直播业务爆发式增长，2021年春节期间单场直播房间数突破10万、同时在线用户超500万，曾因服务器负载过高出现推流失败、观看卡顿等问题，影响用户体验。我的目标是建立高并发场景下的稳定性测试能力，输出精准的容量规划模型，确保大促期间系统可用性≥99.9%。
• 关键难题：1）传统压力测试工具（如JMeter）无法模拟百万级并发的“推流+观看”混合场景，难以还原真实用户行为；2）容量规划依赖经验估算，存在“资源浪费”或“容量不足”的双重风险；3）缺乏混沌工程演练，系统对突发故障（如服务器宕机、网络分区）的容错能力弱。
• 核心行动与创新：1）自研分布式压力测试工具：用Go语言开发支持水平扩展的压力引擎，模拟100万+并发用户，精准还原“用户进入直播间、发送弹幕、拉流观看、赠送礼物”的行为链，同时监控服务器CPU、内存、网络IO等指标；2）构建容量规划模型：基于历史流量数据（近1年的直播峰值、用户行为分布），用ARIMA算法预测未来3个月的流量趋势，结合压测结果（单台服务器可支撑1万并发推流用户、5万并发观看用户），输出“服务器数量-峰值流量”对应表；3）常态化混沌演练：每月进行“随机宕机服务器”“切断部分网络链路”“数据库主节点故障”等实验，验证系统的自动容错能力（如备用节点切换时间从5分钟缩短至30秒）。
• 项目成果与价值：1）2022年春节大促期间，直播系统零宕机，推流成功率从95%提升至99.9%，观看卡顿率降至0.3%；2）服务器成本降低20%：通过精准容量规划避免了20%的过度采购；3）系统可用性提升：从99.5%提升至99.95%，支撑了直播业务的大规模扩张。我个人主导了工具开发与模型建立，推动故障演练成为团队常态化流程，成为直播业务的“稳定性守护者”。

• 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。