负责电商大促及日常场景下实时数据处理链路的设计、优化与稳定性保障，支撑GMV、用户转化、库存周转等核心指标的实时监控与业务决策，覆盖订单、支付、用户行为等多源数据的实时整合与计算。

• 主导设计电商大促期间千万级TPS的实时订单流处理链路，基于Flink 1.15搭建「ODS原始订单->DWD清洗订单->DWS用户订单行为」分层架构，整合Kafka中订单系统、支付网关、库存系统的多源数据；针对跨业务线事件时间乱序问题，自定义Watermark生成策略（结合业务ID哈希分区+时间戳偏移量校准），将数据处理延迟从8s压降至2s内，大促峰值期间支撑12万TPS流量，GMV实时看板准确性达99.99%，助力运营团队实时调整促销策略。
• 针对实时用户价值分（LTV预测）场景，优化Flink状态管理机制：采用RocksDB作为状态后端，调整Checkpoint间隔为3分钟并开启增量Checkpoint，同时通过State TTL清理过期用户行为状态；解决高并发下状态膨胀导致的作业重启问题，作业稳定性从95%提升至99.5%，用户行为标签更新延迟从5s优化到1.5s，支撑推荐系统的实时个性化推送，大促期间高价值用户转化率提升15%。
• 核心参与实时数仓DWS层建设，定义「用户实时行为宽表」模型（整合点击、浏览、加购、下单事件），通过Flink SQL实现窗口聚合（1分钟滚动窗口计算加购转化率）与维度关联（关联商品类目维度表）；输出用户实时兴趣标签，为搜索团队提供实时 query 推荐能力，搜索结果点击率提升18%。
• 搭建实时计算全链路监控体系：结合Prometheus采集Flink作业的延迟、吞吐量、Checkpoint成功率，以及Kafka的partition负载、消息堆积指标；通过Grafana配置可视化 dashboard，并设计异常告警规则（如延迟超过5s或Checkpoint失败触发钉钉告警）；将大促期间链路故障排查时间从30分钟缩短至5分钟内，整体可用率达99.9%。

负责游戏直播场景下实时互动数据与用户行为的处理，支撑主播排名、观众留存、礼物转化等核心指标的实时计算，覆盖弹幕、礼物打赏、在线时长等多源数据的实时分析与输出。

• 主导重构游戏直播实时互动链路：将原有Storm架构迁移至Flink 1.13，基于事件时间语义与滑动窗口（窗口大小5分钟，滑动步长1分钟）计算实时弹幕互动率（弹幕数/观众数）、礼物打赏TOP10主播；将数据处理延迟从10s降至3s内，直播后台榜单刷新时效性提升70%，主播对数据的满意度评分从4.2升至4.8（满分5分）。
• 解决实时用户在线时长统计准确性问题：通过Flink状态TTL机制设置会话超时时间为5分钟，结合自定义会话窗口函数（按用户ID分组， gap 5分钟），修正因网络波动导致的会话断开误判；会话划分准确率从85%提升至98%，为运营团队提供准确的观众留存曲线，支撑直播内容优化（如调整互动环节时长），观众30分钟留存率提升10%。
• 参与实时数据同步系统建设：使用Flink CDC捕获MySQL中主播信息变更（等级、分类、签约状态），实时同步至Kafka与实时数仓；替代原有的每小时定时批处理任务，数据延迟从小时级降至秒级，主播运营系统的信息更新及时率从90%提升至100%，运营人员手动同步数据的工作量减少80%。
• 落地Flink异步I/O功能：用于实时查询主播的历史粉丝画像（存储于HBase），将主播实时标签（如“年轻女性粉丝占比”“高消费粉丝占比”）计算延迟从4s优化到1s内；提升直播推荐系统的实时性，直播间观众互动率（评论、点赞）提升8%。

负责集团内部用户行为日志与业务数据的实时ETL处理，支撑数据仓库实时更新及业务团队的临时查询需求，覆盖前端埋点、App日志、订单流水等多源数据的清洗与整合。

• 搭建用户行为日志实时ETL链路：使用Flume收集Web端与App端的埋点日志，传输至Kafka Topic；通过Flink 1.11进行清洗（过滤无效IP、补全用户UUID、纠正时间戳格式），实时写入HBase与ClickHouse；数据延迟从15分钟降至2分钟，支撑数据仓库的实时增量更新，BI团队获取实时数据的时效性提升90%。
• 支撑业务团队临时实时查询：市场部需实时查看某促销活动的点击转化率，通过Flink SQL编写查询语句，关联活动维度表（活动ID、时间、规则）与行为事实表（点击、曝光），将查询响应时间从5分钟缩短至30秒内；累计支持12个业务团队的临时查询需求，业务反馈效率提升75%。
• 优化Flink作业资源利用率：通过调整TaskManager并行度（从8核降至6核）、增加Managed Memory占比（从30%升至50%），将集群资源占用降低30%；同时保证作业稳定性，支撑新增3个实时计算任务，集群资源利用率从60%提升至85%。
• 参与实时计算平台早期建设：封装Flink作业提交脚本（集成参数校验、依赖上传、作业启停），将作业部署时间从1小时缩短至10分钟；搭建基础监控面板（展示作业状态、延迟、吞吐量），提升数据团队的运维效率，作业故障响应时间缩短50%。

星途社区用户行为实时分析平台研发

• 项目背景：公司为提升内容社区的用户体验与商业转化效率，需实时洞察用户行为（如点击、评论、分享、停留）以支撑推荐算法迭代与运营活动调整，但原有离线分析系统存在小时级延迟，无法满足实时决策需求。我的总体职责是主导平台从0到1的架构设计与落地，对齐产品、算法、运营的核心诉求。
• 解决的关键难题：1）高并发低延迟挑战——平台需承载APP、小程序、Web三端的实时事件（峰值QPS达12万/秒），传统流处理框架难以兼顾吞吐与延迟；2）多源数据 schema 兼容——不同端的用户行为事件结构差异大（如小程序的“分享到朋友圈”事件在APP端无对应字段），易导致数据解析错误；3）实时 session 准确性——用户跨端行为的 session 划分需基于事件时间而非处理时间，传统窗口函数易出现 session 断裂或合并错误。
• 核心行动与技术创新：1）技术栈选型：对比Flink与Spark Streaming后，选择Flink作为实时计算引擎（基于事件时间语义与状态管理能力），搭配Kafka（分区数32，吞吐量达50万/秒）做消息缓冲，HBase（行键设计为用户ID+时间戳）存储原始明细，ClickHouse（预聚合常用指标如实时点击转化率）支撑快速查询；2）schema 兼容方案：自研轻量级 schema 注册中心（基于ZooKeeper做配置分发），要求各端上报事件时附带 schema 版本号，平台通过版本映射自动转换字段（如将小程序的“share_type”映射为通用的“social_channel”）；3）session 划分优化：采用基于事件时间的滑动窗口（窗口大小30分钟，滑动步长5分钟），结合用户最后一次交互时间动态延长窗口，解决跨端 session 断裂问题。
• 项目成果与价值：1）性能指标：平台上线后，实时分析延迟从小时级降至平均500ms，支持秒级查询；2）业务价值：支撑推荐算法团队实现“用户刚浏览美食内容就推送附近餐厅”的实时推荐策略，推荐点击率提升22%；运营团队可通过实时 dashboard 监控活动效果（如话题挑战的参与率），调整策略的时间从T+1缩短至实时，活动ROI提升35%；3）个人贡献：主导架构设计与核心模块开发，解决了高并发下的实时性与多源数据兼容问题，该平台成为公司内容社区的“实时决策大脑”。

短视频内容标签实时同步系统重构

• 项目背景：公司短视频业务的标签（如“美食”“旅行”“宠物”）原通过每日批量任务（Sqoop抽取Hive表→MySQL同步）更新，延迟高达6小时，导致推荐、搜索、广告业务线的标签不准确（如用户刚上传的“猫咪视频”未及时被打上“宠物”标签，无法被精准推荐）。我的职责是重构标签同步系统，实现标签的准实时更新与多业务线一致调用。
• 解决的关键难题：1）海量标签的实时处理——每天新增100万+短视频，每个视频平均带5个标签，传统批量任务无法应对峰值；2）标签一致性——推荐、搜索、广告业务线对标签的更新时效要求不同（搜索需实时，广告可批量），易出现“推荐看到新标签但搜索看不到”的矛盾；3）容错性差——旧系统依赖单节点同步，偶尔宕机会导致标签延迟几小时，影响业务体验。
• 核心行动与技术创新：1）实时同步方案：用Kafka Connect替代Sqoop，将Hive表的变更日志（CDC）实时同步至Kafka，再通过Flink进行标签清洗（去重、标准化）与转换（将“猫”统一为“宠物”）；2）标签版本控制：设计“标签版本号+时间戳”的双维度索引，每个标签变更都生成新版本（如“宠物”标签从v1到v2，新增“包含猫咪、狗狗”的定义），下游业务线可根据自身需求订阅指定版本的标签；3）容错优化：Flink任务开启 checkpoint（间隔5分钟，存储至HDFS），并引入重试机制（失败任务自动重试3次，仍失败则触发告警），同时将标签缓存至Redis（过期时间10分钟），避免数据库压力过大。
• 项目成果与价值：1）性能提升：标签同步延迟从6小时降至5分钟以内，搜索推荐的标签准确率提升30%；2）业务增长：用户点击量因精准推荐提升18%，广告点击率提升12%；3）个人贡献：主导系统重构与核心功能开发，解决了实时性与一致性的平衡问题，该系统至今仍是公司内容标签管理的核心基础设施，支撑了3条业务线的实时调用。

• 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。