солнечный свет
高级研发工程师 · 2年经验 · 阿里
0
累计接单
0
用户评价
3
被收藏
技术能力
1. 复杂算法设计与工程化落地能力
- 精通机器学习、深度学习及传统优化算法（如动态规划、图算法），熟悉TensorFlow/PyTorch框架，主导过推荐系统、自然语言处理（NLP）及时序预测模型的研发，擅长将算法理论转化为高可用代码（Python/C++混合编程）。
- 具备算法性能调优经验，曾通过并行计算（Dask/Celery）、缓存策略（Redis/Memcached）及算法复杂度优化，将实时推理延迟从300ms降至80ms，QPS提升4倍。
- 熟悉模型部署全链路，主导过Kubernetes+Docker的云原生模型服务架构设计，实现弹性扩缩容与AB测试灰度发布。
2. 高并发后端系统架构设计与开发
- 精通Python生态技术栈（FastAPI/Django+DRF），设计过日均亿级请求的微服务架构，熟悉消息队列（Kafka/RabbitMQ）、分布式锁（RedLock）及一致性协议（Raft/Paxos）。
- 主导过数据库性能优化项目，通过分库分表（Vitess）、读写分离（ProxySQL）及列式存储（ClickHouse），将千万级数据查询响应时间从秒级降至毫秒级。
- 具备大规模系统稳定性保障经验，设计过全链路监控（Prometheus+Grafana）、熔断降级（Sentinel）及自动化容灾方案，将系统可用性从99.5%提升至99.99%。
3. 数据工程与基础设施构建
- 构建过PB级数据湖架构（Delta Lake+Iceberg），设计批流一体处理管道（Spark+Flink），支持实时特征计算与离线训练场景。
- 开发过数据治理工具链，实现数据血缘自动追踪（Apache Atlas）、质量监控（Great Expectations）及敏感数据脱敏（数据掩码+差分隐私）。
- 熟悉MLOps体系建设，主导过特征存储（Feast）、实验管理（MLflow）及自动化模型监控（Evidently AI）平台开发。
4. 技术管理与跨域协同
- 拥有10人以上技术团队管理经验，制定过代码规范（PEP8+类型注解）、CI/CD流水线（GitLab CI+Argo CD）及技术债务治理机制。
- 擅长技术方案决策，曾主导从单体架构到服务网格（Istio）的平滑迁移，权衡技术选型（如ClickHouse vs Druid）。
- 具备业务协同能力，主导过与产品、数据科学团队的联合攻坚，通过DSL抽象实现算法策略与业务规则的动态编排。
5. 前沿技术研究与工程转化
- 持续跟踪AIGC技术演进，实践过LangChain+RAG的智能问答系统优化，探索LoRA微调在垂直领域大模型的应用。
- 研究过WebAssembly在Python性能瓶颈场景的替代方案，主导过关键模块的Rust重写（PyO3绑定）。
- 参与过隐私计算项目（联邦学习+同态加密），平衡数据安全与算法效果。
- 精通机器学习、深度学习及传统优化算法（如动态规划、图算法），熟悉TensorFlow/PyTorch框架，主导过推荐系统、自然语言处理（NLP）及时序预测模型的研发，擅长将算法理论转化为高可用代码（Python/C++混合编程）。
- 具备算法性能调优经验，曾通过并行计算（Dask/Celery）、缓存策略（Redis/Memcached）及算法复杂度优化，将实时推理延迟从300ms降至80ms，QPS提升4倍。
- 熟悉模型部署全链路，主导过Kubernetes+Docker的云原生模型服务架构设计，实现弹性扩缩容与AB测试灰度发布。
2. 高并发后端系统架构设计与开发
- 精通Python生态技术栈（FastAPI/Django+DRF），设计过日均亿级请求的微服务架构，熟悉消息队列（Kafka/RabbitMQ）、分布式锁（RedLock）及一致性协议（Raft/Paxos）。
- 主导过数据库性能优化项目，通过分库分表（Vitess）、读写分离（ProxySQL）及列式存储（ClickHouse），将千万级数据查询响应时间从秒级降至毫秒级。
- 具备大规模系统稳定性保障经验，设计过全链路监控（Prometheus+Grafana）、熔断降级（Sentinel）及自动化容灾方案，将系统可用性从99.5%提升至99.99%。
3. 数据工程与基础设施构建
- 构建过PB级数据湖架构（Delta Lake+Iceberg），设计批流一体处理管道（Spark+Flink），支持实时特征计算与离线训练场景。
- 开发过数据治理工具链，实现数据血缘自动追踪（Apache Atlas）、质量监控（Great Expectations）及敏感数据脱敏（数据掩码+差分隐私）。
- 熟悉MLOps体系建设，主导过特征存储（Feast）、实验管理（MLflow）及自动化模型监控（Evidently AI）平台开发。
4. 技术管理与跨域协同
- 拥有10人以上技术团队管理经验，制定过代码规范（PEP8+类型注解）、CI/CD流水线（GitLab CI+Argo CD）及技术债务治理机制。
- 擅长技术方案决策，曾主导从单体架构到服务网格（Istio）的平滑迁移，权衡技术选型（如ClickHouse vs Druid）。
- 具备业务协同能力，主导过与产品、数据科学团队的联合攻坚，通过DSL抽象实现算法策略与业务规则的动态编排。
5. 前沿技术研究与工程转化
- 持续跟踪AIGC技术演进，实践过LangChain+RAG的智能问答系统优化，探索LoRA微调在垂直领域大模型的应用。
- 研究过WebAssembly在Python性能瓶颈场景的替代方案，主导过关键模块的Rust重写（PyO3绑定）。
- 参与过隐私计算项目（联邦学习+同态加密），平衡数据安全与算法效果。
项目经验
核心项目一：高并发实时推荐系统架构重构
背景：某核心电商业务线的推荐系统面临流量激增（大促期间QPS峰值突破50万），原有基于Flask+Redis的架构存在响应延迟高（平均300ms）、扩展性差（依赖垂直扩容）及特征更新延迟（小时级）三大瓶颈，直接影响GMV转化率。
技术方案与个人贡献
1. 异步化服务框架升级：主导将单体服务重构为基于FastAPI+ASGI的异步微服务架构，引入UVLoop替代默认事件循环，结合Pydantic实现请求参数高效校验，单节点QPS从500提升至12000，延迟降低至80ms（压测数据）。
2. 分布式特征存储优化：设计**Redis Cluster+本地缓存二级架构**，针对高频特征（如用户实时点击序列）采用Protobuf压缩+LRU淘汰策略，缓存命中率从72%提升至95%，特征获取耗时下降40%。
3. 实时特征计算引擎建设：基于Flink Stateful Functions构建流式特征管道，实现用户行为（点击/加购）的毫秒级特征更新，替代原有T+1批处理模式，使推荐模型CTR预估准确率提升8.2%。
4. 弹性资源调度策略：在Kubernetes上实现**HPA（Horizontal Pod Autoscaling）与VPA（Vertical Pod Autoscaling）联动，结合自定义指标（如GPU利用率、特征队列深度）动态扩缩容，资源成本降低35%，大促期间零宕机。
业务价值：
- 系统全年支撑GMV增长超120亿元，推荐位人均停留时长提升22%。
- 获2022年集团技术突破金奖
背景：某核心电商业务线的推荐系统面临流量激增（大促期间QPS峰值突破50万），原有基于Flask+Redis的架构存在响应延迟高（平均300ms）、扩展性差（依赖垂直扩容）及特征更新延迟（小时级）三大瓶颈，直接影响GMV转化率。
技术方案与个人贡献
1. 异步化服务框架升级：主导将单体服务重构为基于FastAPI+ASGI的异步微服务架构，引入UVLoop替代默认事件循环，结合Pydantic实现请求参数高效校验，单节点QPS从500提升至12000，延迟降低至80ms（压测数据）。
2. 分布式特征存储优化：设计**Redis Cluster+本地缓存二级架构**，针对高频特征（如用户实时点击序列）采用Protobuf压缩+LRU淘汰策略，缓存命中率从72%提升至95%，特征获取耗时下降40%。
3. 实时特征计算引擎建设：基于Flink Stateful Functions构建流式特征管道，实现用户行为（点击/加购）的毫秒级特征更新，替代原有T+1批处理模式，使推荐模型CTR预估准确率提升8.2%。
4. 弹性资源调度策略：在Kubernetes上实现**HPA（Horizontal Pod Autoscaling）与VPA（Vertical Pod Autoscaling）联动，结合自定义指标（如GPU利用率、特征队列深度）动态扩缩容，资源成本降低35%，大促期间零宕机。
业务价值：
- 系统全年支撑GMV增长超120亿元，推荐位人均停留时长提升22%。
- 获2022年集团技术突破金奖
立即沟通
