技术能力

我是一名拥有多年一线开发经验的全栈工程师，技术栈以C#和Java为核心，覆盖从后端服务到前端交互的全链路开发。在大数据处理和高并发系统设计方面拥有丰富的实战经验。

后端开发与高并发处理方面，我精通Java生态，熟练使用Spring Boot、Spring Cloud、MyBatis等主流框架，具备微服务架构设计与落地能力。在高并发场景下，我深入理解线程池配置、锁优化（偏向锁→轻量级锁→重量级锁的升级机制）、CAS无锁编程以及AQS同步器原理，能够通过异步非阻塞（CompletableFuture）、响应式编程（WebFlux）等手段提升系统吞吐量。同时熟练使用消息队列（RocketMQ、Kafka、RabbitMQ）进行流量削峰填谷。

对于C#/.NET技术栈，我精通ASP.NET Core Web API、Entity Framework Core，熟悉.NET Core跨平台部署，能够利用LINQ和异步编程（async/await）编写高性能、高可读性的业务代码。在C#高并发处理中，熟练运用PLINQ、Channel、System.Threading.Channels以及ConcurrentCollection系列（ConcurrentDictionary、ConcurrentQueue、ConcurrentBag）实现线程安全的高效数据操作。曾基于.NET Core + SignalR构建实时数据推送服务，支撑万级+并发WebSocket连接，保障在线用户实时数据更新延迟低于200ms。

项目经验

项目一：电商平台秒杀系统重构与优化
项目背景：公司电商平台原有秒杀系统在618、双11大促期间频繁出现服务超时、库存超卖、页面卡顿等问题，峰值请求QPS超过5万+，系统可用性仅为99.2%。

技术方案：采用Spring Cloud Alibaba + RocketMQ + Redis Cluster构建分布式秒杀架构。核心设计包括：

多级缓存策略：通过Caffeine本地缓存 + Redis分布式缓存，将商品信息、库存数据预热至内存，将核心接口RT从800ms降至80ms，QPS提升至12万+。

流量削峰填谷：利用RocketMQ消息队列，将下单请求异步化处理，通过令牌桶限流和排队机制将峰值流量平滑至下游系统，TPS从1500提升至1.2万，确保订单服务不被打垮。

库存扣减方案：基于Redis Lua脚本实现原子性库存扣减，配合数据库乐观锁作为最终一致性兜底，从根本上解决了超卖问题。大促期间超卖率为0。

全链路压测与监控：使用JMeter进行分布式压测，结合SkyWalking + Prometheus + Grafana搭建全链路可观测性体系，慢接口、慢SQL可实时告警，大促期间问题平均发现时间从30分钟缩短至3分钟。

项目成果：重构后系统支撑了2025年双11峰值800万次/秒的请求洪峰，系统可用性提升至99.99%（全年故障时间<5分钟），日均处理订单500万+，项目获得了公司年度技术创新奖。

项目二：实时用户行为分析平台（Flink + Kafka + ClickHouse）
项目背景：公司需要实时分析App端用户行为日志（点击、浏览、停留、转化），以支持运营侧的秒级策略调整。原有基于Hive的离线批处理方案延迟高达2小时+，无法满足实时需求。

技术方案：

数据采集层：通过埋点SDK采集用户行为，经Kafka（Topic分区数=32）接入，日均处理日志量20亿+条，峰值吞吐量150万条/秒。

实时计算层：基于Flink 1.18构建实时ETL流程，使用窗口函数（Sliding Window）实现5分钟粒度的PV/UV、转化率、留存率等核心指标计算，通过状态后端（RocksDB） 管理大状态，保障Exactly-Once语义。

存储层：计算结果实时写入ClickHouse集群（3分片*2副本），利用其Vectorized Execution引擎，实现百亿级数据的即席查询响应时间控制在500ms以内。

C#辅助工具：基于ASP.NET Core + SignalR构建实时数据大屏展示端，通过WebSocket推送秒级数据至运营后台，支撑10万+并发WebSocket连接。

项目成果：平台上线后，数据分析延迟从2小时+ 降低至实时（<5秒），运营策略响应效率提升20倍，直接支撑了3次大促活动中的实时调价与流量调配决策，为公司带来千万级GMV增量。

团队情况