泥好吖
Java中级开发工程师 · 3年经验 · 拓维云创
0
累计接单
0
用户评价
0
被收藏
技术能力
熟练使用Java 8+特性：Lambda表达式、Stream API、Optional、时间API（LocalDateTime）。
理解多线程与并发：Thread、ExecutorService、CompletableFuture、锁机制（synchronized、ReentrantLock）、原子类（AtomicInteger）。
JVM基础：内存模型（堆、栈、方法区）、GC机制（CMS/G1调优）、常见OOM排查（jmap、jstack）
Spring生态
Spring Boot：自动配置原理、Starter开发、Actuator监控。
Spring MVC：请求生命周期、拦截器（HandlerInterceptor）、全局异常处理（@ControllerAdvice）。
Spring Cloud：服务注册（Eureka/Nacos）、Feign声明式调用、Hystrix熔断、Gateway网关。
ORM框架：
JPA：懒加载问题、@EntityGraph优化查询。
MyBatis：动态SQL编写、二级缓存配置、分页插件（PageHelper）。
数据库与缓存
SQL：索引优化（Explain分析）、事务隔离级别、悲观锁/乐观锁实现。
NoSQL：
Redis：数据结构选型（String/Hash/ZSet）、持久化机制（RDB/AOF）、缓存穿透/雪崩解决方案（布隆过滤器、限流）。
MongoDB：聚合管道、索引优化。
消息队列
Kafka：分区策略、消息顺序性保证、消费者组机制。
RabbitMQ：交换机类型（Direct/Topic）、死信队列、消息可靠性投递（Confirm模式）
理解多线程与并发：Thread、ExecutorService、CompletableFuture、锁机制（synchronized、ReentrantLock）、原子类（AtomicInteger）。
JVM基础：内存模型（堆、栈、方法区）、GC机制（CMS/G1调优）、常见OOM排查（jmap、jstack）
Spring生态
Spring Boot：自动配置原理、Starter开发、Actuator监控。
Spring MVC：请求生命周期、拦截器（HandlerInterceptor）、全局异常处理（@ControllerAdvice）。
Spring Cloud：服务注册（Eureka/Nacos）、Feign声明式调用、Hystrix熔断、Gateway网关。
ORM框架：
JPA：懒加载问题、@EntityGraph优化查询。
MyBatis：动态SQL编写、二级缓存配置、分页插件（PageHelper）。
数据库与缓存
SQL：索引优化（Explain分析）、事务隔离级别、悲观锁/乐观锁实现。
NoSQL：
Redis：数据结构选型（String/Hash/ZSet）、持久化机制（RDB/AOF）、缓存穿透/雪崩解决方案（布隆过滤器、限流）。
MongoDB：聚合管道、索引优化。
消息队列
Kafka：分区策略、消息顺序性保证、消费者组机制。
RabbitMQ：交换机类型（Direct/Topic）、死信队列、消息可靠性投递（Confirm模式）
项目经验
电商平台订单系统优化
背景：日均订单量10万+，原有系统存在超卖和响应延迟问题。
职责：负责订单创建、库存扣减和超时取消模块。
技术方案与行动：
分布式锁：用Redis + Lua脚本实现库存扣减的原子操作，解决超卖问题。
异步化改造：订单创建后通过RabbitMQ异步处理日志和通知，接口响应时间从500ms降至200ms。
分库分表：按用户ID哈希拆分订单表，解决单表数据量过大（超过500万）导致的查询性能问题。
结果：
超卖问题归零，高峰期订单处理能力提升3倍。
数据库CPU负载下降40%。
财务对账系统（高准确性要求）
背景：每日需处理银行流水与企业内部交易的自动化对账，误差需低于0.1%。
职责：开发对账核心算法和差错处理模块。
技术方案与行动：
数据一致性：使用TCC（Try-Confirm-Cancel）模式保证跨系统事务（银行API + 本地数据库）。
性能优化：对账任务分片处理（按商户ID分片），利用线程池并行执行，耗时从2小时缩短至20分钟。
差错处理：提供可视化界面（Vue + ElementUI）供财务人员手动补录差异数据。
结果：
对账准确率达到99.99%，人力成本减少70%。
系统通过每日千万级交易量的压测。
背景：日均订单量10万+，原有系统存在超卖和响应延迟问题。
职责：负责订单创建、库存扣减和超时取消模块。
技术方案与行动：
分布式锁：用Redis + Lua脚本实现库存扣减的原子操作，解决超卖问题。
异步化改造：订单创建后通过RabbitMQ异步处理日志和通知，接口响应时间从500ms降至200ms。
分库分表：按用户ID哈希拆分订单表，解决单表数据量过大（超过500万）导致的查询性能问题。
结果：
超卖问题归零，高峰期订单处理能力提升3倍。
数据库CPU负载下降40%。
财务对账系统（高准确性要求）
背景：每日需处理银行流水与企业内部交易的自动化对账，误差需低于0.1%。
职责：开发对账核心算法和差错处理模块。
技术方案与行动：
数据一致性：使用TCC（Try-Confirm-Cancel）模式保证跨系统事务（银行API + 本地数据库）。
性能优化：对账任务分片处理（按商户ID分片），利用线程池并行执行，耗时从2小时缩短至20分钟。
差错处理：提供可视化界面（Vue + ElementUI）供财务人员手动补录差异数据。
结果：
对账准确率达到99.99%，人力成本减少70%。
系统通过每日千万级交易量的压测。
立即沟通
相似人才推荐：
