兼具商业敏锐度与技术攻坚力,关心业务价值,持续优化用户体验和性能。
具有 6 年金融、3 年互联网、2 年传统行业的项目经验,沉淀可复用的解决方案。
始终保持高效开发、零延期交互、能胜任多角色工作、永不躺平。
有外资银行全英语工作经验、乐于分享和帮助他人。
开发过 ToC(官网/公众号/小程序/APP)、ToB、后台(如 CMS、CRM、OMS)等不同类型系统。
熟悉底层:CPU、操作系统、TCP/IP 协议、http 协议、websocket、JVM、Innodb、分布式原理等。
熟悉 Java(IO、多线程、集合、反射、Servlet、Swing、JavaFX、Spring、Netty)、Python(如
Pandas、asyncio、threading、requests、FastAPI、pytest、Tornado、ray)、Go、Kotlin;具备
Groovy、PHP、C++ 等语言项目经验;熟悉 JVM 规范和内存模型。
项目中涉及以下后端技术栈:Mysql、Oracle、PostgreSQL、Neo4j 等数据库;Hibernate、
Mybatis、Spring template、Jooq 等 DAO 框架;gRPC、Spring Cloud、Dubbo、Zookeeper 等微
服务技术。Redis、MQ、MongoDB、ElasticSearch、Kibana、ShardingSphere 、lcn、seata 等分
布式技术。了解 Hadoop、Flink、Hbase、kafka 等生态。
熟悉以下前端技术栈:React、NextJS、Angular、Vue、Bootstrap、Ant Design 、TailwindCSS、
Typescript、Nginx、html5、nodejs、Axios、Swagger、OpenAPI、Nginx 等。
熟悉架构优化和线上排查工具,如 ab 压测、JMeter、jstat 、netstat、tcpdump、mysql explain 命
令、Grafana、ELK、Zipkin、Draw.io、StartUML。
关注前沿技术,如 ServiceMesh、Serverless、边缘计算、AIGC、AI Agent、LangCha
花旗金融分析平台-分布式计算引擎服务 2023.10 - 2025.06
所属公司:(花旗金融信息服务(中国)有限公司)
项目描述:
首先技术层面实现分布式计算引擎,然后业务层面添加各量化投资相关计算任务,并配置定时触发时间。一般
每日定时 job 分析当前行情,计算如市场价值等维度指标,交易员上班前保证结果报告生成并发送。
项目架构:架构特征偏向 SOA,Openshift 部署。技术栈有 React+Kotlin/Python/java+ 大数据 + AI 等。
技术方案:
1. 调度层:基于分治/分层/贪心等思想,拆分任务并灵活调度到多组空闲计算集群, 支持子任务重试,全部或
全部计算完成,进行结果合并、转化、存储,并支持整体失败重试等操作。对于性能和内存资源优化,综合使
用了算法、数据结构、并发、异步、多线程等技术。
2. 执行层:由多套基于 ray 框架的分布式集群 + 一套 java 自研计算引擎组成。每个集群包含 1 或多 head 节
点,以及多个 worker 节点;每个节点部署在独立 pod 中,并能够加载具体业务的计算代码。
3. 单元测试:Mork 所有对外接口,如 s3、ray、本地 IO、其他服务调用、网络请求等,单元测试覆盖率高
达 80%以上。有利于代码改动时高效回归,发现潜在问题。
4. UI 界面:功能包含通用任务配置、提交请求、查询任务历史和结果、监控线上运行、重试失败任务等。对
于历史任务查询,前后端均有缓存以快速响应。页面跳转时 Axios 请求自动撤销,以减轻后端压力。
5. Airflow 定时任务:通过配置 DAG 定时触发计算任务,然后生成报告、邮件发送给交易员。
6. 大数据支持:每日新增数十或上百 GB 数据量,S3 空间有限,因此保存到 Hive 表。
7. AI 赋能:私有化部署的 AI 对话服务,基于 Langchain 协议,支持 API 或对话形式查询平台一切信息。
8. 其他架构层面:支持基于 OAuth2 的用户认证,支持灵活的用户鉴权、隐秘跟踪用户行为、UI 实时查看用
户行为图表;SDK 中基于 Eureka 实现动态路由;支持 Kibana 日志查询等。
前端 React UI 技术方案:
1. 登录认证:利用客户端跳转+父子页面通信技巧,实现 Oauth2 认证;利用 localStorage 缓存 access
token,并配合后端解析认证。额外,Swagger 页面通过 OpenAPI 协议,也实现了多种 SSO 认证。
2. 状态管理:结合 setState()、组件生命周期、context、Redux 思想、发布订阅模式等技巧。
3. Ajax 查询:采用 Promise、Axios、CancelToken 等技术,并支持 localStorage 和 IndexedDB 存储。
成就:
1. 高效并行:目前已实现近千个计算节点并行执行,每日接近 20 小时高负荷运行。
2. 海量计算:目前每日 job 中最高包含 2000+条数据的计算,即 2000 个子任务同时提交, 每条数据计算平均
耗时数分钟。计算对内存和 CPU 资源的消费同样很高,部分 job 类型,计算结果包含数百列,每行数据量
MB 级别,整个任务峰值内存消耗为 GB 级。目前稳定运行,并满足幂等、数据一致性等基本要求
-----------------------
仟寻(Moseeker)社交招聘系统迭代开发 2019.05 - 2022.04
所属公司:(上海仟寻信息科技有限公司(上海大岂))
项目描述:
参与仟寻社交招聘系统开发。主要按照迭代目标,开发 Java 微服务和 Python/PHP 聚合端,同事熟悉前端
Angela/Vue 项目解决方案。迭代周期一般为 14 天。
1. 参与产品线:a. 面向 C 端招聘功能的微信服务号、微信小程序、PC 官网等;b. 面向 HR 的招聘管理后台;
c. 仟寻内部 CMS 后台。
2. 架构:基础服务采用微服务架构。C 端痛点是响应时间和高可用,性能优化策略有分层/分区/异步/缓存
等。数据持久化及缓存产品有 Mysql、ES、MongoDB、Redis、Neo4j 等。中间件和大数据组件有 Rabbit
MQ + Kafka + Elk 日志收集+Hadoop+ Flink+HBase。
技术方案(以微信端招聘为例):
1. 微信端-职位列表页,利用 elasticsearch 查询职位列表,高级搜索支持选项动态更新。
2. 微信端职位详情页:基于 neo4j 生成社交链路、判断用户收藏状态、判断投递状态、通过日志神策埋点