项目一：实时数仓架构升级（Flink + Paimon）
传统Lambda架构存在离线/实时口径不一致、存储冗余问题。负责将原有Kafka+Flink实时链路与Hive离线链路合并为流批一体架构，基于Paimon统一存储底座，Flink同时承担流式写入与批式修正。结果：数据延迟从T+1提升至分钟级，计算资源节省约30%，彻底消除实时离线对账争议。

项目二：百亿级日志实时清洗与多流关联（Flink + Kafka + ClickHouse）
埋点日志峰值QPS超50万，需实时清洗并与用户画像、商品维表做双流关联。负责设计Kafka分区策略与Flink状态后端（RocksDB）调优，解决大状态下的Checkpoint超时与反压问题。结果：端到端延迟压至秒级，支撑每日百亿级数据稳定入湖，SLA达99.9%。

项目三：离线数仓分层建模与任务调优（Spark + Hive + DolphinScheduler）
原始ODS层存在大量数据倾斜与长尾任务，核心DWS层产出常延迟2小时以上。主导表结构优化（分区/分桶调优）、Spark参数调优（AQE + Dynamic Partition Pruning）及任务依赖重构。结果：核心报表产出提前至早晨8点前，数据存储成本下降约25%。