小马同学
后台开发
- 公司信息：
- 深圳腾讯科技
- 工作经验：
- 3年
- 兼职日薪：
- 2000元/8小时
- 兼职时间：
- 下班后
- 周六
- 周日
- 所在区域：
- 杭州
- 余杭
技术能力
- 熟悉操作系统和计算机网络的基本工作原理，能够将常用的数据结构和算法运用在日常工作中。
- 精通 Golang，深入理解 Golang 的 **GMP** 协程调度、**内存分配**、**垃圾回收机制**，熟练掌握其基本语法和并发模型。熟练使用 Gin 和 Gorm 开发框架，了解其基本工作流程并且阅读过 Gin 的相关源码。
- 熟悉 Java，了解 **JVM 内存分配、垃圾回收、并发模型**等相关机制，熟悉常用的数据结构，对 Spring 家族框架有一定的使用经验 ，能够快速上手进行业务开发。
- 熟悉网络编程，掌握 Epoll、Poll、Select 的工作原理，阅读过 **Redis** 封装 Epoll 源码和字节开源的 **netpoll** 网络框架源码。同时也有用原生的 net 库实现了一个RPC框架（自定义传输协议、编解码）。
- 深入理解 Redis ，熟悉其服务处理流程和常用数据结构。阅读过处理流程源码，掌握 Redis 的持久化原理、内存过期机制和集群特性等。
- 熟悉 MySQL InnoDB 存储引擎，对 **B+树索引工作原理** 有一定的理解，理解**Record Lock**、**Gap Loc**k、**MVCC** 基本工作原理，具备线上使用 Explain 进行索引分析经验。
- 熟练使用Kafka，了解Kafka基本工作原理和基本特性，如**Topic、Partition、Consumer**，理解Kafka可靠的数据一致性的原理。
- 了解 **Docker**、**Kubernetes** 云原生基本概念，能够使用它们管理个人博客和认证服务，并通过脚本一键发布新特性。
- 理解AI相关技术，比如Prompt调优、Agent、RAG、多模态、AI图片编辑等，并且在公司有实战落地经验。
项目经验
2024.07 - 现 在 阿里巴巴国际数字商业集团 服务端研发
工作内容：
1. 营销权益服务落地/能力搭建： 营销基础领券链路能力落地，以及首页/导购/搜索/购物
车/商详/订单/资产营销权益透出。
2. 数据分析业务数据走向:洞察业务现状核销率以及转化率可进一步优化的方向，并进行推动
上下游落地，确保核销率/转化率有效提升。
3. 业务系统架构治理:基于业务系统资源监控，针对当前业务系统进行性能优化（CPU、RT、
内存）以及应用稳定性/资源/效率等多个维度进行优化。
核心项目：
1. 通过用户行为以及用户数据分析推动上游/PD落地优惠券膨胀玩法，针对低迷用户通过POP
进行二次触达，同时对满足条件的优惠券进行膨胀，完善用户消费心智，提升券核销率。
期间活动玩法上线后券核销率提升2pt。
落地营销策略中心，通过模板设计模式抽象出通用策略模板能力用于后续策略扩展，
策略内通过对节点分析抽象出核心策略节点结合责任链以及执行器设计模式实现策略
对应执行目标。
B端策略运营链路通过Diamond进行实时同步到C端买家链路，保障策略时效性的同
时，降低C端策略链路整体的RT，提升买家体验。C端链路通过策略模板定制的分布
式锁进行并发有序性保证，以及策略模板定制的限流组件对当前策略进行限流。
C端实时链路Checker核验，实时感知线上膨胀链路运行状态。
2. 提升站内用户转化打通外部积分，实现积分活动玩法，通过用户行为获取对应积分可内部
消化为外部积分，从而为平台拉流以及提升转化。
构建积分发放/积分解冻/积分兑换/积分撤销/积分回收等一系积分操作，期间通过
积分唯一标识符在所有流程内确保唯一性以及积分的原子性，使发放/解冻/撤销/回
收场景内可通过唯一标识符定位积分。
通过对积分操作场景深度分析，抽象出不同关键节点，并通过责任链实现积分的所有
操作，实现当前积分模型的灵活性以及扩展性。
积分操作原子性保证，通过买家ID和资产类型进行分布式锁，通过TCC分布式事务保
障限购/积分操作强一致性，同时兑换积分时，通过Metaq消息队列保障积分兑换失
败时内部积分/外部积分的一致性。
积分稳定性保障，通过Checker对内部积分与外部积分进行一致性对账，以及通过
MAC对内部进行进行离线对账，保障内部积分与外部积分的一致性。
3. 智能抽奖玩法设计：针对平台DAU低迷、券核销率低的问题，独立设计并落地抽奖系统，期
间通过 权益分组模型 （支持动态概率配置、库存管控、兜底机制）提升用户粘性。当前
抽奖核销率稳定与5pt附近。
动态权重算法：基于加权随机选择权益分组，触发卖家限购时自动概率均摊，保障用
户体验公平性。
利用幂等表、Metaq 消息队列实现 TCC 分布式事务，保障业务奖品发放幂等性。
同时利用分布式锁加全局幂等ID配合限购域避免超发。
库存耗尽可根据业务配置自动切换兜底奖品，流量激增触发业务容灾链路，预防业务
服务雪崩以及保障用户体验。
实时Checker、MAC离线对账保障抽奖业务资损归零。
4. 提升站内资金钱效比，在业务预算紧张、券核销率低的情况下，设计并落地了过期优惠实
例资金回收机制。业务可最大化利用业务资金。当前券回收率达 80pt 左右。
数据最终一致性：依据阿里内部 TOC 超时任务中心定时回调能力 + Schdulex
分布式任务调度，结合回收流水表做双重校验，确保回收信息不丢失、不重复。
限购核心回收接口通过 Sentinel 全链路限流，避免下游应用过载造成雪崩影响。
TOC 任务自动打散，避免大量定时任务集中执行，提升业务稳定性。
券实例回收核心逻辑对券实例加分布式锁，粒度最细，彻底杜绝并发冲突问题。
5. 业务架构治理：通过技术手段对当前业务架构进行深度优化，提升用户体验、降低团队成
本、研发提效。最终应用部署效率提升25pt，业务发券核心接口RT降低20pt。
JDK11平滑灰度升级，结合AJDK11特性对线上 JVM 调优，MetaSpace利用率降低
10%，内存利用率提升5%，GC耗时减少50%。
启动性能优化，分析应用Bean加载耗时分布，针对重Bean重构加载逻辑，应用启动
从220s降至150s。
网关去中心化：平稳将MTOP从集中部署迁移为去中心化架构，提升网关容灾能力以
及降本。
应用启动预热：核心应用接口启动有尖刺效果，应用启动后、就绪前，循环调用核心
应用接口，触发JNI本地缓存对应class为本地机器码，避免尖刺效应。
发券RT优化：通过CPU火焰图以及Trace详细分析各个耗时节点，对可复用的数据进
行复用，以及通用模型进行本地缓存，优化发券业务接口整体的R
案例展示
-
个人网站：openxm.cn
电商白底图能力优化，主要负责如下： 1. 电商白底图从0到1能力搭建（AI + 工程） 2. AI基础能力构建：Prompt、RAG、Agetn等 3. 工程能力后续处理：阴影、白边能力优化。
-
个人网站：openxm.cn
电商白底图能力优化 1. Aigc 全链路搭建 2. Prompt优化、RAG搭建、多模态搭建 3. 工程图片能力优化： 去阴影、白边优化
