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
工业生产管理系统-钛合金管生产流程管理系统
1、工艺卡编写系统：
与宝钛原有MES系统对接，接收工艺卡工单，支持工艺参数配置、流程规则设定及可视化编辑（基于ElementUI表单组件），完成后自动下发至流程管理系统
2、流程管理系统：
集中赋码：系统下发管号至PLC设备，联动机械臂完成激光刻码，实现管材唯一标识
多环节质检：水压检测（压力参数动态监控）、超声波探伤（数据自动采集）、冷轧尺寸调控（工艺参数实时校验）、目视检验（结果线上录入），各节点数据实时回传至数据库
异常处理：检测不合格时自动触发工单冻结，并推送告警至责任人，支持流程回溯与修正
基于机器学习的工业检测图像智能识别平台
项目背景：
在工业检测数字化基础上，进一步引入 AI 技术，对大量历史底片和检测图谱进行智能分析，降低人工评定成本，提高一致性和效率。
个人职责：
1.参与智慧检测平台中 图像智能识别模块 的研发
2.负责图像数据预处理、模型训练及系统集成
3.将 AI 识别结果嵌入现有检测软件流程中
工业底片数字化工作站与评定审核系统
传统工业底片检测依赖人工评定，效率低、标准不统一。项目目标是构建 工业底片数字化工作站，实现底片采集、数字化评定、审核和报告生成的全流程软件系统。
参与工业底片数字化工作站核心功能研发。
负责底片评定审核系统的软件开发。
参与数字化交付系统的设计与实现。
相控阵全聚焦实时 3D 超声成像检测仪上位机软件
该项目用于工业无损检测领域，相控阵超声设备在检测过程中会实时输出大量全聚焦成像数据，需要在上位机端对成像结果进行 实时三维可视化展示，辅助现场检测人员进行缺陷判断和分析，对实时性和稳定性要求较高。
负责相控阵全聚焦成像结果的 3D 可视化与实时渲染模块。
参与成像数据处理与显示流程设计。
配合硬件与算法团队完成成像效果调试与优化。
电力行业数字化
专注于电力行业配网软件的设计、开发与全流程运维，凭借深厚的技术积淀与丰富的行业经验，打造适配不同应用场景的高效解决方案。目前，已有超 5 个核心项目成功落地全国 8 个以上省份，为各地配网业务的智能化升级提供稳定可靠的技术支撑。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服