toc平台电商社交APP-天猫校园-社交找搭子
2025-10-09 16:40:09
行业：电商、社交
载体：安卓APP、IOS APP
技术：Java、Spring Boot、Spring Cloud
业务和功能介绍
天猫校园聚焦校园场景，为高校师生提供新零售购物、校园共享设备等综合服务，覆盖学习生活多方面需求；旗下找搭子项目通过搭建兴趣社交互动场景，有效增强用户使用粘性与活跃度，为平台后续商业化发展奠定基础。
项目实现
技术: JDK17、DDD、 Pandora Boot、Spring Boot 2、HSF(RPC)、R/LDB(Tair)、Diamond/Switch、
MetaQ(RocketMQ)、ODPS(离线数仓、实时计算等)、VVP(Flink)、Opensearch(Es)、Tisplus(检索)、TDDL(分库分表)等
职责：
作为校园社交内容领域的核心技术人员，主导并完成了从0到1的“找搭子”核心社交玩法开发，覆盖近数十万DAU。负责底
层帖子、评论、话题、Feed流等核心模型的设计与实现，以及站内营销投放模块的开发。系统在校园热门活动期间，稳定支
撑日均数十万用户访问；
多次担任项目PM，负责需求协调、进度推动，在项目时间紧迫的情况下，组织团队按时、高质量完成交付;
具备丰富的线上疑难问题排查经验，成功解决过高并发场景下的数据库死锁、慢SQL查询等性能瓶颈问题;
参与以及负责AI大模型在社区提效工具及娱乐化场景的应用开发;
成果:
1.提升查询框架易用性: 针对集团Tisplus组件使用缺乏扩展性、可读性痛点，参照MyBatis-Plus语法设计并实现了Lambda
风格的查询Starter组件，显著增强了代码可读性与开发效率。
2.高并发计数模型设计: 主导设计了校园社区帖子、评论、个人主页等多维度、大数据量场景的计数模型；运用最终一致性
思想，创新性采用 实时缓存计数 + 离线数据校准 方案，有效提升了系统在高并发下的稳定性与用户操作流畅度；
3.保障缓存操作原子性: 针对Redis的多次缓存操作场景，引入Lua脚本(eval/evalsha)执行，确保了复杂操作的局部原子
性，防止数据不一致；
4.优化评论删除性能: 针对多级评论数据删除操作耗时长的问题，利用最终一致性思想，通过MetaQ进行异步化处理，并结
合自旋重试机制确保子评论数据的可靠删除，将操作RT控制在100ms以内；
5.构建可扩展Feed流体系: 主导设计了校园社区Feed流系统。借鉴Twitter Feed流设计理念，采用Timeline时间轴模型及推
拉结合模式。初期使用TDDL进行写流量预备，并规划后期迁移至集团Tablestore以应对海量数据读写挑战。
6.解决Feed流乱序问题: 针对关注Feed流（涉及关注、取关/拉黑、发帖、删帖等操作）的复杂时序依赖，采用MetaQ顺序
消息与顺序消费机制，有效处理了业务逻辑的消费乱序问题，并避免了锁竞争；
7.实现高效PV/UV统计: 为热议话题设计PV/UV统计功能。初期采用 实时缓存累加 + 阈值批量入库 方案(评估并排除了
HyperLogLog、BloomFilter)，后期通过预留日志接入VVP(Flink)实现更精准的实时数据统计；
等
MetaQ(RocketMQ)、ODPS(离线数仓、实时计算等)、VVP(Flink)、Opensearch(Es)、Tisplus(检索)、TDDL(分库分表)等
职责：
作为校园社交内容领域的核心技术人员，主导并完成了从0到1的“找搭子”核心社交玩法开发，覆盖近数十万DAU。负责底
层帖子、评论、话题、Feed流等核心模型的设计与实现，以及站内营销投放模块的开发。系统在校园热门活动期间，稳定支
撑日均数十万用户访问；
多次担任项目PM，负责需求协调、进度推动，在项目时间紧迫的情况下，组织团队按时、高质量完成交付;
具备丰富的线上疑难问题排查经验，成功解决过高并发场景下的数据库死锁、慢SQL查询等性能瓶颈问题;
参与以及负责AI大模型在社区提效工具及娱乐化场景的应用开发;
成果:
1.提升查询框架易用性: 针对集团Tisplus组件使用缺乏扩展性、可读性痛点，参照MyBatis-Plus语法设计并实现了Lambda
风格的查询Starter组件，显著增强了代码可读性与开发效率。
2.高并发计数模型设计: 主导设计了校园社区帖子、评论、个人主页等多维度、大数据量场景的计数模型；运用最终一致性
思想，创新性采用 实时缓存计数 + 离线数据校准 方案，有效提升了系统在高并发下的稳定性与用户操作流畅度；
3.保障缓存操作原子性: 针对Redis的多次缓存操作场景，引入Lua脚本(eval/evalsha)执行，确保了复杂操作的局部原子
性，防止数据不一致；
4.优化评论删除性能: 针对多级评论数据删除操作耗时长的问题，利用最终一致性思想，通过MetaQ进行异步化处理，并结
合自旋重试机制确保子评论数据的可靠删除，将操作RT控制在100ms以内；
5.构建可扩展Feed流体系: 主导设计了校园社区Feed流系统。借鉴Twitter Feed流设计理念，采用Timeline时间轴模型及推
拉结合模式。初期使用TDDL进行写流量预备，并规划后期迁移至集团Tablestore以应对海量数据读写挑战。
6.解决Feed流乱序问题: 针对关注Feed流（涉及关注、取关/拉黑、发帖、删帖等操作）的复杂时序依赖，采用MetaQ顺序
消息与顺序消费机制，有效处理了业务逻辑的消费乱序问题，并避免了锁竞争；
7.实现高效PV/UV统计: 为热议话题设计PV/UV统计功能。初期采用 实时缓存累加 + 阈值批量入库 方案(评估并排除了
HyperLogLog、BloomFilter)，后期通过预留日志接入VVP(Flink)实现更精准的实时数据统计；
等
示例图片视频
相似推荐
家庭医生签约-球星卡库存管理
爬取全民健康数据，小程序完成居民健康数据录入，完成之后填写数据同步到全民健康平台。前后端交换使用AES堆成加密
球星卡录入对卡片球员识别，包括系列等，对接ERP系统，完成抖店的自动上架。。前后端交换使用AES堆成加密
行车记录仪设备
一、产品概述
行车记录仪（DVR, Driving Video Recorder）是一类用于记录车辆行驶过程中的视频、音频、定位和感知数据的嵌入式设备。系统通常基于 ARM SoC（如全志、海思、联咏、晶晨等）开发，由 嵌入式操作系统 + 多媒体处理模块 + 传感器子系统 构成。
其核心目标包括：
提供连续、高质量的行车影像记录
在事故或异常情况下自动保存关键视频
支持 ADAS / EDO 等智能驾驶辅助功能
提供网络互联能力（4G/WiFi）实现远程管理
二、系统架构
行车记录仪整体系统一般分为以下几个模块：
1. 硬件架构
主控 SoC（ARM Cortex-A 系列）
图像传感器（Sensor）：常见如 IMX335/IMX415/OV4689
视频编解码器（H.264/H.265）
存储设备：TF 卡、EMMC
无线模块：WiFi、4G
定位模块：GPS/北斗
加速度计/陀螺仪（G-Sensor）
电源管理芯片（UPS/超级电容保障异常断电保护）
2. 软件架构
基于 Linux 或 RTOS，包括：
（1）启动与系统层
U-Boot 启动和 BootLogo 显示
Kernel 启动、设备树配置
驱动程序：Sensor 驱动、ISP 驱动、G-Sensor 驱动、存储驱动
（2）中间件与服务层
多媒体框架（V4L2、MediaPipe、GStreamer）
ISP Pipeline（自动曝光/白平衡/降噪）
视频编码服务（H.264/H.265）
文件系统管理（循环录制、碎片整理、写放保护）
事件检测服务（加速度触发锁定视频）
OTA 更新模块
工厂生产制造系统-MES系统
是一套生产制造执行系统，主要用于3C电子行业，帮助企业打造生产数字化、透明化、无纸化的工厂，达到降本增效的目的。
包括系统管理、基础资料、工艺管理、计划管理、生产管理、包装管理、维修管理、设备管理、仓库管理、看板管理和报表管理等。
评审辅助-rag
使用RAG技术对评标工作进行辅助，结合采购要求对应答文件进行评估，并给出意见结论；
系统包含用户/角色管理及项目管理等功能；
算法包含对于常见评估项及采购文件中制定评估项的识别及评估
AI逆向分析-AI逆向分析
这是一个桌面端的 AI 安全分析平台，简单来说，它就是一个能指挥专业安全工具干活的 AI 聊天助手。
核心业务就是通过对话的方式，辅助你完成以下四类安全分析任务：
APK 逆向：上传安卓安装包，它会在后台调用 JADX 帮你分析代码逻辑和漏洞。
主机逆向：扔进去 exe 或 elf 文件，它配合 IDA Pro 帮你分析汇编和程序行为。
流量分析：上传抓包文件（pcap），它利用 Wireshark 帮你识别异常流量和攻击特征。
文件破解：遇到加密文件或哈希，它能调用 Hashcat 帮你跑字典或掩码破解。
技术亮点： 它不仅仅是套了个 AI 的壳，而是通过 MCP协议，真正打通了 AI 模型与本地安全工具（JADX, IDA 等）的连接。AI 可以读取工具的分析结果，结合知识库，给你提供有理有据的分析报告。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服