Dean
c++研发专家
百度，腾讯，阿里 · 9年经验
日薪：
￥1200/8h
地点：
北京 海淀
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
本人具备扎实的全栈技术功底和丰富的大型系统架构实践经验。在编程语言方面，精通C++底层开发，擅长性能优化与内存管理；熟练运用Python进行快速开发与数据处理；深度掌握Go语言特性，在高并发服务开发中游刃有余。
在后端技术领域积累深厚，对分布式系统架构有系统性理解，熟悉微服务拆分、服务治理、分布式事务等核心技术。在高并发场景下，能够灵活运用多级缓存策略（Redis、本地缓存）、消息队列（Kafka、RabbitMQ）等中间件，设计出高可用、高性能的系统架构。具备丰富的性能调优经验，包括数据库索引优化、查询优化、服务限流降级等。
曾在一线互联网大厂担任核心技术角色,参与并主导过亿级用户量系统的架构设计与优化工作,对业务快速迭代、系统稳定性保障、技术债务管理等有深刻认知。擅长将业务需求转化为技术方案,在保证系统可扩展性的同时兼顾开发效率,具备从0到1搭建大型分布式系统的完整能力。
在后端技术领域积累深厚，对分布式系统架构有系统性理解，熟悉微服务拆分、服务治理、分布式事务等核心技术。在高并发场景下，能够灵活运用多级缓存策略（Redis、本地缓存）、消息队列（Kafka、RabbitMQ）等中间件，设计出高可用、高性能的系统架构。具备丰富的性能调优经验，包括数据库索引优化、查询优化、服务限流降级等。
曾在一线互联网大厂担任核心技术角色,参与并主导过亿级用户量系统的架构设计与优化工作,对业务快速迭代、系统稳定性保障、技术债务管理等有深刻认知。擅长将业务需求转化为技术方案,在保证系统可扩展性的同时兼顾开发效率,具备从0到1搭建大型分布式系统的完整能力。
项目经验
项目一：智能推荐系统实时化改造
项目背景
负责某短视频平台推荐系统的实时化升级，服务日活用户3亿+，每日推荐请求量超千亿次。原有T+1批处理架构无法满足用户行为实时反馈需求，个性化推荐效果受限。
核心架构
采用C++开发高性能特征服务，结合Python构建实时模型训练管线。搭建Lambda架构融合批流计算：离线层使用Spark进行全量特征计算，实时层采用Flink处理用户行为流，Serving层基于Redis + HBase实现百亿级特征秒级查询。
技术亮点
自研特征平台，支持万级特征在线实时计算，P99延迟控制在10ms内，特征覆盖率提升至95%
设计增量模型更新机制，基于Parameter Server实现分钟级模型热更新，消除冷启动问题
优化推荐服务资源调度，通过C++底层优化+多级缓存预加载，单机QPS从8K提升至5W
业务成果
用户人均观看时长提升18%，CTR提升12个百分点，推荐系统整体算力成本下降40%，获评年度技术创新奖。
项目二：统一消息中间件研发与落地
项目背景
针对公司内部消息中间件碎片化问题（Kafka、RabbitMQ、Pulsar多套系统并存），主导自研统一消息平台，服务全公司200+业务线，日均消息吞吐量10万亿条。
核心架构
基于Go语言从零构建分布式消息引擎，采用分层架构设计：存储层基于RocksDB实现高性能持久化，复制层实现多副本强一致协议（Raft），路由层支持智能分区与动态扩缩容。对外提供多语言SDK（C++/Python/Go/Java），兼容Kafka协议实现平滑迁移。
技术亮点
创新性设计零拷贝消息传输链路，结合批量压缩与异步刷盘，单机写入吞吐达500MB/s
实现毫秒级故障检测与主备自动切换，端到端消息可靠性达99.999%
构建智能流控系统，基于令牌桶+动态优先级调度，支持百万级Topic并发写入
业务成果
累计迁移150+核心业务系统，消息延迟降低70%，机器成本节省50%+，获公司技术专利认证，成为基础设施核心组件
项目背景
负责某短视频平台推荐系统的实时化升级，服务日活用户3亿+，每日推荐请求量超千亿次。原有T+1批处理架构无法满足用户行为实时反馈需求，个性化推荐效果受限。
核心架构
采用C++开发高性能特征服务，结合Python构建实时模型训练管线。搭建Lambda架构融合批流计算：离线层使用Spark进行全量特征计算，实时层采用Flink处理用户行为流，Serving层基于Redis + HBase实现百亿级特征秒级查询。
技术亮点
自研特征平台，支持万级特征在线实时计算，P99延迟控制在10ms内，特征覆盖率提升至95%
设计增量模型更新机制，基于Parameter Server实现分钟级模型热更新，消除冷启动问题
优化推荐服务资源调度，通过C++底层优化+多级缓存预加载，单机QPS从8K提升至5W
业务成果
用户人均观看时长提升18%，CTR提升12个百分点，推荐系统整体算力成本下降40%，获评年度技术创新奖。
项目二：统一消息中间件研发与落地
项目背景
针对公司内部消息中间件碎片化问题（Kafka、RabbitMQ、Pulsar多套系统并存），主导自研统一消息平台，服务全公司200+业务线，日均消息吞吐量10万亿条。
核心架构
基于Go语言从零构建分布式消息引擎，采用分层架构设计：存储层基于RocksDB实现高性能持久化，复制层实现多副本强一致协议（Raft），路由层支持智能分区与动态扩缩容。对外提供多语言SDK（C++/Python/Go/Java），兼容Kafka协议实现平滑迁移。
技术亮点
创新性设计零拷贝消息传输链路，结合批量压缩与异步刷盘，单机写入吞吐达500MB/s
实现毫秒级故障检测与主备自动切换，端到端消息可靠性达99.999%
构建智能流控系统，基于令牌桶+动态优先级调度，支持百万级Topic并发写入
业务成果
累计迁移150+核心业务系统，消息延迟降低70%，机器成本节省50%+，获公司技术专利认证，成为基础设施核心组件
Dean
c++研发专家 · 9年经验 · 百度，腾讯，阿里
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
本人具备扎实的全栈技术功底和丰富的大型系统架构实践经验。在编程语言方面，精通C++底层开发，擅长性能优化与内存管理；熟练运用Python进行快速开发与数据处理；深度掌握Go语言特性，在高并发服务开发中游刃有余。
在后端技术领域积累深厚，对分布式系统架构有系统性理解，熟悉微服务拆分、服务治理、分布式事务等核心技术。在高并发场景下，能够灵活运用多级缓存策略（Redis、本地缓存）、消息队列（Kafka、RabbitMQ）等中间件，设计出高可用、高性能的系统架构。具备丰富的性能调优经验，包括数据库索引优化、查询优化、服务限流降级等。
曾在一线互联网大厂担任核心技术角色,参与并主导过亿级用户量系统的架构设计与优化工作,对业务快速迭代、系统稳定性保障、技术债务管理等有深刻认知。擅长将业务需求转化为技术方案,在保证系统可扩展性的同时兼顾开发效率,具备从0到1搭建大型分布式系统的完整能力。
在后端技术领域积累深厚，对分布式系统架构有系统性理解，熟悉微服务拆分、服务治理、分布式事务等核心技术。在高并发场景下，能够灵活运用多级缓存策略（Redis、本地缓存）、消息队列（Kafka、RabbitMQ）等中间件，设计出高可用、高性能的系统架构。具备丰富的性能调优经验，包括数据库索引优化、查询优化、服务限流降级等。
曾在一线互联网大厂担任核心技术角色,参与并主导过亿级用户量系统的架构设计与优化工作,对业务快速迭代、系统稳定性保障、技术债务管理等有深刻认知。擅长将业务需求转化为技术方案,在保证系统可扩展性的同时兼顾开发效率,具备从0到1搭建大型分布式系统的完整能力。
项目经验
项目一：智能推荐系统实时化改造
项目背景
负责某短视频平台推荐系统的实时化升级，服务日活用户3亿+，每日推荐请求量超千亿次。原有T+1批处理架构无法满足用户行为实时反馈需求，个性化推荐效果受限。
核心架构
采用C++开发高性能特征服务，结合Python构建实时模型训练管线。搭建Lambda架构融合批流计算：离线层使用Spark进行全量特征计算，实时层采用Flink处理用户行为流，Serving层基于Redis + HBase实现百亿级特征秒级查询。
技术亮点
自研特征平台，支持万级特征在线实时计算，P99延迟控制在10ms内，特征覆盖率提升至95%
设计增量模型更新机制，基于Parameter Server实现分钟级模型热更新，消除冷启动问题
优化推荐服务资源调度，通过C++底层优化+多级缓存预加载，单机QPS从8K提升至5W
业务成果
用户人均观看时长提升18%，CTR提升12个百分点，推荐系统整体算力成本下降40%，获评年度技术创新奖。
项目二：统一消息中间件研发与落地
项目背景
针对公司内部消息中间件碎片化问题（Kafka、RabbitMQ、Pulsar多套系统并存），主导自研统一消息平台，服务全公司200+业务线，日均消息吞吐量10万亿条。
核心架构
基于Go语言从零构建分布式消息引擎，采用分层架构设计：存储层基于RocksDB实现高性能持久化，复制层实现多副本强一致协议（Raft），路由层支持智能分区与动态扩缩容。对外提供多语言SDK（C++/Python/Go/Java），兼容Kafka协议实现平滑迁移。
技术亮点
创新性设计零拷贝消息传输链路，结合批量压缩与异步刷盘，单机写入吞吐达500MB/s
实现毫秒级故障检测与主备自动切换，端到端消息可靠性达99.999%
构建智能流控系统，基于令牌桶+动态优先级调度，支持百万级Topic并发写入
业务成果
累计迁移150+核心业务系统，消息延迟降低70%，机器成本节省50%+，获公司技术专利认证，成为基础设施核心组件
项目背景
负责某短视频平台推荐系统的实时化升级，服务日活用户3亿+，每日推荐请求量超千亿次。原有T+1批处理架构无法满足用户行为实时反馈需求，个性化推荐效果受限。
核心架构
采用C++开发高性能特征服务，结合Python构建实时模型训练管线。搭建Lambda架构融合批流计算：离线层使用Spark进行全量特征计算，实时层采用Flink处理用户行为流，Serving层基于Redis + HBase实现百亿级特征秒级查询。
技术亮点
自研特征平台，支持万级特征在线实时计算，P99延迟控制在10ms内，特征覆盖率提升至95%
设计增量模型更新机制，基于Parameter Server实现分钟级模型热更新，消除冷启动问题
优化推荐服务资源调度，通过C++底层优化+多级缓存预加载，单机QPS从8K提升至5W
业务成果
用户人均观看时长提升18%，CTR提升12个百分点，推荐系统整体算力成本下降40%，获评年度技术创新奖。
项目二：统一消息中间件研发与落地
项目背景
针对公司内部消息中间件碎片化问题（Kafka、RabbitMQ、Pulsar多套系统并存），主导自研统一消息平台，服务全公司200+业务线，日均消息吞吐量10万亿条。
核心架构
基于Go语言从零构建分布式消息引擎，采用分层架构设计：存储层基于RocksDB实现高性能持久化，复制层实现多副本强一致协议（Raft），路由层支持智能分区与动态扩缩容。对外提供多语言SDK（C++/Python/Go/Java），兼容Kafka协议实现平滑迁移。
技术亮点
创新性设计零拷贝消息传输链路，结合批量压缩与异步刷盘，单机写入吞吐达500MB/s
实现毫秒级故障检测与主备自动切换，端到端消息可靠性达99.999%
构建智能流控系统，基于令牌桶+动态优先级调度，支持百万级Topic并发写入
业务成果
累计迁移150+核心业务系统，消息延迟降低70%，机器成本节省50%+，获公司技术专利认证，成为基础设施核心组件
案例展示
立即沟通
相似人才推荐：
