猿急送>

北京Java兼职程序员

ID：398059

spring

架构师

公司信息：
用友科技

工作经验：
10年

兼职日薪：
1000元/8小时

兼职时间：
可工作日远程

所在区域：
北京
朝阳

技术能力

一、后端开发技术
1. 编程语言
Java：Spring Boot/Cloud、微服务架构、性能调优
Python：Web 开发（Django/Flask）、脚本工具、数据分析
2. 分布式与微服务架构
微服务治理：服务注册与发现（Consul/Nacos）、API 网关（Spring Cloud Gateway/Tyk）
RPC 与消息通信：gRPC、Dubbo、消息队列（Kafka/RabbitMQ/RocketMQ）
分布式事务：TCC / 事务消息 / 最大努力通知，Seata 框架实践
分布式缓存：Redis 集群（哨兵 / Cluster）、本地缓存（Caffeine）
分布式存储：对象存储（OSS/S3）、文件系统（HDFS/MinIO）
弹性与高可用：负载均衡（LVS/NGINX）、熔断降级（Sentinel/Hystrix）
服务网格：Istio/Linkerd 实践，流量治理与可观测性
3. 数据库与存储
关系型数据库：MySQL（分库分表 / 读写分离）、PostgreSQL（复杂查询 / 扩展特性）
NoSQL：MongoDB（文档存储）、Redis（缓存 / 分布式锁 / 队列）
NewSQL：TiDB/CockroachDB（分布式事务 / 水平扩展）
搜索引擎：Elasticsearch（全文检索 / 实时分析）
数据建模：领域驱动设计（DDD）、数据库设计范式与反范式优化
4. 云原生与 DevOps
容器化：Docker 镜像构建、Kubernetes（K8s）集群管理（部署 / 扩缩容 / 网络策略）
云平台：AWS（EC2/EKS/Lambda）、阿里云（ECS/K8s/edas）、Serverless（FaaS 架构）
CI/CD：Jenkins/GitLab CI/Argo CD，自动化测试与发布流水线
监控与日志：Prometheus+Grafana（指标监控）、ELK/EFK（日志分析）、SkyWalking（链路追踪）
二、前端开发技术
1. 主流框架与库
React/Vue/Angular：组件化开发、状态管理（Redux/Vuex/Zustand）
前端工程化：Webpack/Vite 构建，Babel/TypeScript 编译，ESLint/Prettier

项目经验

一、电商类项目：综合 B2C 电商平台（技术负责人）
项目背景：为某零售集团搭建全链路电商平台，覆盖生鲜、3C、服饰等多品类，支持 PC/APP/H5 三端，需应对大促期间（如 618、双 11）日均 500 万 + UV、峰值 QPS 3 万 + 的高并发场景。
核心职责
主导架构设计：采用「微服务 + 云原生」架构，拆分商品、订单、促销、支付、用户中心等 12 个核心服务，支持独立部署与弹性扩缩容。
高并发优化：设计「多级缓存 + 异步队列」方案（Redis 热点商品缓存 + 本地 Caffeine 缓存 + RocketMQ 削峰），大促期间订单接口耗时从 800ms 降至 200ms 内。
促销引擎开发：实现「规则引擎 + 策略组合」模型，支持满减、折扣、限时购、跨店满减等 10 + 种促销类型，支持动态配置（如 “满 300 减 50” 叠加店铺券）。
支付与风控：集成支付宝 / 微信 / 银联支付，对接集团风控系统（如交易防欺诈、黑产识别），交易成功率提升至 99.9%。
技术栈
后端：Java（Spring Boot 3.2 + Spring Cloud Alibaba 2023）、Nacos（服务注册 / 配置中心）、Sentinel（熔断降级）、Seata（分布式事务）。
数据库：MySQL 8.0（分库分表，ShardingSphere 中间件）、Redis 7.0（缓存 + 分布式锁）、Elasticsearch 8.8（商品搜索）。
消息队列：RocketMQ 5.0（订单超时取消、库存扣减异步通知）。
云原生：K8s（集群管理）、Docker（容器化）、Prometheus+Grafana（监控）、SkyWalking（链路追踪）。
关键成果
支持双 11 大促期间 GMV 破 10 亿，系统 0 宕机，核心接口可用性 99.95%。
促销引擎配置效率提升 80%（原需开发介入，现运营可通过后台自助配置）。
二、爬虫类项目：电商商品数据监控平台（技术负责人）
项目背景：为某咨询公司搭建竞品数据监控平台，需每日抓取淘宝、京东、拼多多等 10 + 电商平台的商品信息（价格、销量、评论），支持数据可视化与异常预警（如价格波动≥20%）。
核心职责
分布式爬虫设计：基于 Scrapy+Scrapy-Redis 构建分布式集群，日均抓取 500 万 + 商品数据；通过 Celery 调度任务（按小时 / 天 / 周周期执行）。
反爬对抗：封装「代理池 + 动态 UA + 请求限流」方案，代理池集成 Luminati / 蘑菇代理（日均可用 IP 10 万 +），随机延迟（1-3 秒）模拟真人操作；针对验证码场景，对接打码平台（如超级鹰），识别率 90%+。
数据清洗与存储：通过 Pandas/Spark 清洗脏数据（如 “价格含‘￥’符号”“销量为‘暂无’”），存储至 ClickHouse（实时分析）+MongoDB（明细存储）。
可视化与预警：基于 ECharts 开发数据看板（展示价格趋势、销量 TOP10 商品），通过钉钉机器人推送异常通知（如某商品 24 小时内降价 30%）。
技术栈
爬虫：Python（Scrapy 2.8、Selenium 4.9、Pyppeteer 2.2）、Redis（任务队列）、Docker（容器化部署）。
数据处理：Pandas、PySpark（批量清洗）、Flink（实时流处理）。
存储：ClickHouse 23.3（OLAP 分析）、MongoDB 6.0（原始数据）。
可视化：ECharts、Django（后端 API）、Vue（前端看板）。
关键成果
日均有效数据抓取量达 480 万条，数据准确率 97%（清洗后）。
反爬绕过率 95%，单 IP 被封频率从 “每小时 5 次” 降至 “每周 1 次”。
三、拍卖系统类项目：车辆在线拍卖平台（后端架构师）
项目背景：为某机构开发高实时性拍卖系统，支持「英式拍卖」「荷兰拍」「密封拍卖」三种模式，需满足百万级用户同时在线竞价、单场拍卖 10 万 + 次出价的低延迟需求。
核心职责
实时竞价设计：采用「WebSocket 长连接 + Redis 原子操作」方案，竞价消息推送延迟控制在 50ms 内；通过 Lua 脚本实现 “出价 - 库存锁定 - 通知” 原子操作，避免超卖。
防刷与公平性：设计「IP + 设备 ID + 用户 ID」三重校验，结合滑动窗口限流（单用户 10 次 / 秒），拦截 98% 的机器刷价请求；敏感操作（如出价）增加短信二次验证。
拍卖规则引擎：抽象「拍卖类型」「加价幅度」「倒计时」等通用参数，支持运营后台动态配置（如 “起拍