本人专注于C/C++后端开发领域,具备扎实的计算机理论基础与丰富的工程实践经验。在语言层面,熟练掌握C++11/14/17标准,深入理解RAII、移动语义、模板元编程、多态等核心特性,能够编写高可读性、高复用性且异常安全的现代C++代码。在系统编程方面,精通多线程与并发编程,熟练运用互斥锁、读写锁、无锁队列及原子操作解决高并发场景下的数据一致性与性能瓶颈问题;熟悉网络编程,基于epoll/IO复用技术构建过高性能Reactor模型服务,对TCP/IP协议栈、零拷贝技术及网络故障排查有深入理解。在存储与中间件领域,熟悉MySQL、Redis等组件的底层原理与优化策略,能够结合业务场景进行索引优化、连接池管理及缓存架构设计。此外,具备良好的工程化意识,熟练使用CMake构建系统、Git进行版本协作,并能够基于Google Test框架编写单元测试,保障项目质量。同时,对分布式系统的CAP理论、一致性协议及微服务架构有一定研究,曾参与过服务拆分与RPC框架的二次开发。目前仍在持续关注C++20/23新标准及高性能计算、协程等前沿技术,致力于通过技术手段提升系统吞吐量与稳定性。
1. 高性能分布式RPC框架设计与实现
该项目旨在解决公司内部多服务间通信效率低、扩展性差的问题。我作为核心开发者,基于C++17和epoll模型,从零搭建了一个支持异步非阻塞、服务自动注册与发现、负载均衡的轻量级RPC框架。我独立完成了底层网络通信模块的开发,通过对象池与内存池技术减少了高频请求下的内存分配开销;设计并实现了基于ZooKeeper的服务注册中心客户端,保证了服务节点的动态感知;同时引入了Protobuf作为序列化协议,结合零拷贝技术大幅提升了数据编解码效率。框架上线后,成功接入了5个核心业务服务,单节点QPS提升约40%,平均响应时延降低25%,有效支撑了公司业务的高速增长。
2. 智能推荐系统后端服务重构
针对原有推荐服务存在的单点故障、扩展性差及热点数据穿透等问题,我主导了后端服务的架构升级工作。我们采用C++重构了核心推荐引擎,利用多级缓存架构(本地缓存+Redis)将核心特征的读取时延从毫秒级降至微秒级;通过基于双缓冲机制的无锁队列,解决了高并发下推荐日志的异步落盘问题,避免了IO阻塞导致的服务抖动。此外,我优化了协同过滤算法的计算流程,将部分离线计算的模型数据加载至共享内存,供多进程实时读取,使服务在日均千万级请求下仍保持99.99%的可用性。项目上线后,推荐接口的平均响应时间由120ms优化至45ms,系统吞吐能力提升了近3倍。