내 소개
경력
Java Engineer
某公司 - - 지금
职位: Java Engineer | 项目: 数据治理平台\n\n技术栈：\n Spring Boot / Spring Cloud / Spring Cloud Alibaba / Redis / Kafka / MySQL / Nacos\n\n项目内容：\n 数据治理平台，覆盖数据接入、建模、处理、服务发布与资产管理全生命周期。同时，平台提供了数据源的全生命周期管理、异构数据源统一查询与API服务发布、可视化的数据展示与分析，并通过插件化构建确保系统的可扩展性，满足用户对数据治理、数据接入与服务化的全面需求。\n\n个人职责：\n 该平台为体系化工程，涉及多项技术及不同领域能力，衍生出多个子模块工程项目，其中多个模块项目从0到1全部由我主导团队进行设计与实现，包括数据模型、技术选型、关键技术实现等。\n 负责模块主要包括：数据源管理、数据空间建模管理、异构数据源同步、数据服务开放平台、数据可视化BI、数据处理模块、系统管理、网关服务、权限系统等。\n 引入实现技术包括：分布式一致性设计，基于本地事务和消息队列实现最终一致性，使用Redis分布式锁保障关键操作幂等，引入线程池隔离模型、SQL执行支持超时控制、Redis多级缓存架构降低数据库压力等。\n\n项目业绩：\n带领 12 人研发团队，主导数据治理核心架构设计与多子系统落地，支撑公司数据资产统一治理体系建设\n解决多数据源接入复杂度高、标准不统一问题，统一数据源接入规范，支持 45+ 类型数据源接入（关系型 / NoSQL / 大数据生态），接入实施周期由平均 10 人日缩短至 4 人日，接入成本降低约 60%\n构建标准化数据模型与资产抽象层，平台管理数据表规模 10w+，字段规模 200w+，数据建模效率提升 50%+\n设计 Redis 多级缓存架构（本地 Caffeine + Redis 分布式缓存），核心接口平均响应时间由 320ms 降低至 120ms，数据库 QPS 降低 65%~70%\n优化分布式锁机制（Redisson + Lua 原子操作），高并发场景下冲突失败率下降 80%+，关键写操作成功率提升至 99.9%\n引入最终一致性消息机制 + 本地事务补偿模型，数据异常率下降 60%，跨服务操作一致性稳定在 99.95% 以上\n构建 SQL API 超时熔断与限流机制，慢查询对系统影响范围降低 90%，核心服务可用性提升至 99.9%+\n建立线程池隔离与资源分级调度模型，高峰期系统吞吐量提升 40%，峰值并发承载能力提升至 3 倍\n\n--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------\n\n数据服务开放平台\n\n技术栈：\n Spring Boot / Spring Cloud Gateway（WebFlux）/ Spring Cloud Alibaba / Nacos / Redis（Stream / Pub·Sub / Lua Script）/ Resilience4j / Caffeine / Spring Security + OAuth2 / HMAC-SHA256 / SSE / MySQL\n\n项目内容：\n 设计并开发一套面向外部调用方的 API 开放平台，包含统一 API 网关、应用密钥体系、多维度安全防护、策略化流量管控、行为风控引擎及全链路日志审计，支撑高并发场景下的安全、可靠、可观测的 API 服务对外开放。\n\n个人职责：\n1.设计API 网关安全认证体系，实现OpaqueToken + JWT 双Token 分层认证、HMAC-SHA256 请求签名、幂等性过滤（Redis SETNX）及IP黑白名单控制\n2.设计行为风控引擎，基于 Redis Lua 脚本实现滑动窗口高频检测，结合凭证碰撞计数与路径探测计数，触发阈值自动封禁 IP 写入黑名单。\n3.基于 Resilience4j 实现动态熔断降级，Caffeine 本地缓存熔断规则 + Redis 持久化策略 + Pub/Sub 配置变更通知，支持运行时动态调整熔断策略无需重启。\n4.设计 Caffeine + Redis 多级缓存体系，通过 Redis Pub/Sub 订阅配置变更事件实现缓存精准失效，降低下游存储压力。\n5.设计 SSE 实时消息推送服务，实现连接生命周期管理（心跳保活 / 超限踢出 / 优雅断连），支持定向推送与全局广播。\n\n--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------\n\n智能数据平台\n\n技术栈：\n Spring Boot / Spring Cloud / Spring AI / Apache Doris / Redis / SSE / Embedding / RAG / Reranking\n\n项目内容：\n智能数据分析平台，集成多模型对话、RAG 知识问答和 NL2SQL 自然语言查询能力，利用 Doris 的向量列与全文倒排索引实现混合检索，为用户提供低延迟、高相关性的智能数据查询与分析服务。\n\n个人职责：\n1.设计多模型统一接入层，支持多模型动态切换，管理多轮对话上下文窗口与 Token 预算控制。\n2.设计 RAG 检索管道，全文倒排索引 + 向量列实现混合检索（BM25 关键词匹配 + 向量语义召回），采用 RRF 分数融合策略，并实现基于延迟预算的自适应精排决策，平衡响应时延与结果相关性。\n3.设计 Text2SQL 管道，将表 DDL 及元数据 Embedding 后存入 Doris 向量列，通过向量召回相关表结构补充上下文，并实现 SQL 语法校验、查询优化与方言转换。
