业务和功能介绍
项目概览：
作为全栈开发者及项目负责人，我主导设计了英雄联盟赛事直播数据中台系统。该系统通过高频采集比赛数据，结合实时计算与机器学习模型，生成胜率预测等关键数据，为直播提供动态数据面板，成功支撑顶级赛事直播。
一、 业务价值
提升观赛体验：通过动态数据可视化增强比赛悬念与观众参与感
赋能专业解说：为解说席提供实时数据支撑，提升内容专业性
树立技术标杆：以前沿的数据能力提升赛事品牌形象
二、 核心功能实现
1. 实时胜率预测
构建多维度特征模型，涵盖经济差、资源控制、阵容强度等关键因素
基于历史比赛数据训练，采用混合模型平衡准确率与实时性
实现毫秒级响应，满足直播低延迟要求
2. 经济与装备对比
利用Redis实现毫秒级数据聚合与同步
基于事件驱动架构，实时追踪装备更新与关键道具成型
三、 技术方案
技术栈：
后端：PHP(Laravel)
实时通信：WebSocket/SSE
数据层：Redis、Python(Pandas/NumPy)
部署：Docker容器化
工程难点攻克：
通过微服务架构与Redis Pub/Sub应对高并发场景
设计数据校验与自修复机制保障数据可靠性
建立故障自动转移与降级方案确保系统永续运行
作为全栈开发者及项目负责人，我主导设计了英雄联盟赛事直播数据中台系统。该系统通过高频采集比赛数据，结合实时计算与机器学习模型，生成胜率预测等关键数据，为直播提供动态数据面板，成功支撑顶级赛事直播。
一、 业务价值
提升观赛体验：通过动态数据可视化增强比赛悬念与观众参与感
赋能专业解说：为解说席提供实时数据支撑，提升内容专业性
树立技术标杆：以前沿的数据能力提升赛事品牌形象
二、 核心功能实现
1. 实时胜率预测
构建多维度特征模型，涵盖经济差、资源控制、阵容强度等关键因素
基于历史比赛数据训练，采用混合模型平衡准确率与实时性
实现毫秒级响应，满足直播低延迟要求
2. 经济与装备对比
利用Redis实现毫秒级数据聚合与同步
基于事件驱动架构，实时追踪装备更新与关键道具成型
三、 技术方案
技术栈：
后端：PHP(Laravel)
实时通信：WebSocket/SSE
数据层：Redis、Python(Pandas/NumPy)
部署：Docker容器化
工程难点攻克：
通过微服务架构与Redis Pub/Sub应对高并发场景
设计数据校验与自修复机制保障数据可靠性
建立故障自动转移与降级方案确保系统永续运行
项目实现
一、 整体架构与技术栈
为应对直播场景对高并发、低延迟、高可用的极致要求，我主导设计了基于事件驱动的微服务架构，核心目标是实现服务解耦与弹性伸缩。
核心架构分为四层：
数据采集层： 使用 PHP (Laravel) + WebSocket 与游戏官方API建立长连接，高频接收原始数据。
消息中枢层： 采用 Redis Pub/Sub 作为消息队列，实现数据从采集到各个处理服务的异步分发与解耦。
业务服务层：
胜率预测服务（Python + Scikit-learn）： 消费数据，进行实时特征工程，并加载我训练的轻量级机器学习模型进行推理。
数据聚合服务（PHP + Redis）： 实时计算团队经济、装备对比等指标。
API网关（PHP + Laravel）： 对外提供统一、稳定的RESTful API和Server-Sent Events (SSE)数据流。
部署运维层： 全服务 Docker 容器化，保障环境一致性及快速部署能力。
二、 我的负责模块与量化成果
作为项目负责人与全栈开发者，我核心贡献如下：
端到端核心链路搭建： 独立主导了从数据采集、实时计算到API交付的整体架构设计与实现。将系统端到端数据延迟控制在500毫秒以内，满足了直播的实时性要求。
胜率预测模型工程化： 负责了从历史数据清洗、特征工程到模型训练（逻辑回归）的全过程，并成功将Python模型通过API集成至PHP主架构。该模型在保证85%+准确率的同时，单次预测耗时<15毫秒。
高可用保障机制： 设计了系统降级方案，当预测服务异常时，能在200毫秒内自动切换至备用规则算法，确保了直播画面的100% 可用性，实现了零直播事故。
量化成果：
系统稳定支撑了LPL、MSI、S世界赛超过500场比赛的直播，累计服务超1000小时。
成功应对了赛事高峰期间每秒5000+ 的API请求，系统可用性达99.95%。
三、 技术难点与解决方案
难点：API不稳定导致数据流中断
问题： 官方数据源偶发断连和数据包错误，导致直播面板“卡住”。
解决方案： 我在数据采集层实现了自动重连机制，并在业务层增加了数据清洗与校验管道，通过规则过滤与数据插值，将数据异常对直播的影响降至近乎为零。
难点：多服务协同引发性能瓶颈
问题： PHP同步调用Python预测服务，在网络波动时造成主线程阻塞，延迟飙升。
解决方案： 我将其改造为异步化处理。PHP将预测请求写入Redis队列后立即返回，由Python服务异步计算。此举将PHP主服务的响应延迟稳定在50毫秒以下，彻底解决了性能瓶颈。
难点：突发流量冲击
问题： 关键团战时，瞬时高并发请求可能击垮服务。
解决方案： 我在API网关层实施了基于 Redis令牌桶算法的限流策略，并对短时静态数据进行了内存缓存，成功保障了系统在流量峰值下的稳定运行。
为应对直播场景对高并发、低延迟、高可用的极致要求，我主导设计了基于事件驱动的微服务架构，核心目标是实现服务解耦与弹性伸缩。
核心架构分为四层：
数据采集层： 使用 PHP (Laravel) + WebSocket 与游戏官方API建立长连接，高频接收原始数据。
消息中枢层： 采用 Redis Pub/Sub 作为消息队列，实现数据从采集到各个处理服务的异步分发与解耦。
业务服务层：
胜率预测服务（Python + Scikit-learn）： 消费数据，进行实时特征工程，并加载我训练的轻量级机器学习模型进行推理。
数据聚合服务（PHP + Redis）： 实时计算团队经济、装备对比等指标。
API网关（PHP + Laravel）： 对外提供统一、稳定的RESTful API和Server-Sent Events (SSE)数据流。
部署运维层： 全服务 Docker 容器化，保障环境一致性及快速部署能力。
二、 我的负责模块与量化成果
作为项目负责人与全栈开发者，我核心贡献如下：
端到端核心链路搭建： 独立主导了从数据采集、实时计算到API交付的整体架构设计与实现。将系统端到端数据延迟控制在500毫秒以内，满足了直播的实时性要求。
胜率预测模型工程化： 负责了从历史数据清洗、特征工程到模型训练（逻辑回归）的全过程，并成功将Python模型通过API集成至PHP主架构。该模型在保证85%+准确率的同时，单次预测耗时<15毫秒。
高可用保障机制： 设计了系统降级方案，当预测服务异常时，能在200毫秒内自动切换至备用规则算法，确保了直播画面的100% 可用性，实现了零直播事故。
量化成果：
系统稳定支撑了LPL、MSI、S世界赛超过500场比赛的直播，累计服务超1000小时。
成功应对了赛事高峰期间每秒5000+ 的API请求，系统可用性达99.95%。
三、 技术难点与解决方案
难点：API不稳定导致数据流中断
问题： 官方数据源偶发断连和数据包错误，导致直播面板“卡住”。
解决方案： 我在数据采集层实现了自动重连机制，并在业务层增加了数据清洗与校验管道，通过规则过滤与数据插值，将数据异常对直播的影响降至近乎为零。
难点：多服务协同引发性能瓶颈
问题： PHP同步调用Python预测服务，在网络波动时造成主线程阻塞，延迟飙升。
解决方案： 我将其改造为异步化处理。PHP将预测请求写入Redis队列后立即返回，由Python服务异步计算。此举将PHP主服务的响应延迟稳定在50毫秒以下，彻底解决了性能瓶颈。
难点：突发流量冲击
问题： 关键团战时，瞬时高并发请求可能击垮服务。
解决方案： 我在API网关层实施了基于 Redis令牌桶算法的限流策略，并对短时静态数据进行了内存缓存，成功保障了系统在流量峰值下的稳定运行。
示例图片视频
相似推荐
机器人自动化测试平台
1、用于机器人的自动化测试，包含多种测试任务类型，支持自定义参数，实时记录测试数据。
2、机器运行状态监测及数据导出，支持监测机器核心板CPU状态、零部件温度等。
3、机器地图复制
4、机器二维码批量生成
点动物联网平台
1. 立项背景和目标
立项背景：
随着物联网技术快速发展，企业面临设备管理复杂、数据采集困难、故障响应滞后等挑战。传统物联网平台存在扩展性差、协议支持有限、实时处理能力不足等问题。
项目目标：
构建一个高性能、可扩展的企业级物联网平台，支持海量设备接入、实时数据处理、智能告警分析，为企业提供一站式设备管理和监控解决方案，实现设备全生命周期管理和智能化运维。
2. 软件功能、核心功能模块介绍
核心技术栈：
- 后端：Go + Gin框架 + GORM + PostgreSQL/TimescaleDB
- 架构：微服务 + 事件驱动 + 分层架构
- 消息：NSQ消息队列 + 多级缓存
- 规模：314个Go文件，74,440行代码
核心功能模块：
设备管理模块： 支持设备注册、配置、状态监控、固件升级，提供设备全生命周期管理，支持MQTT、DTU/TCP、Modbus等多种协议接入。
数据采集与处理： 实时数据接收存储、批量数据处理、事件驱动架构，支持流式数据处理和复杂事件处理链。
智能告警系统： 流式告警规则引擎、实时数据触发告警、多渠道通知（邮件/短信/微信）、告警自动恢复机制、静默期管理。
权限管理（RBAC）： 基于角色的访问控制、用户管理、菜单权限、数据级权限控制、多租户架构支持。
任务调度： 异步任务处理、任务执行监控、定时任务管理、任务报告生成。
多租户架构： 租户隔离、套餐管理、项目级权限控制、数据安全隔离。
3. 业务流程、功能路径描述
设备接入流程：
设备注册 → 设备类型配置 → 协议适配 → 数据上报 → 状态管理
支持直连设备、网关设备、子设备等多种接入方式，提供设备在线/离线状态实时监控。
数据处理流程：
数据上报 → 协议解析 → 数据存储 → 事件触发 → 告警检测 → 通知发送
采用事件处理器链模式，包含时间戳处理、事件验证、自动恢复、状态处理、告警处理等环节。
告警触发流程：
规则配置 → 流式检测 → 告警生成 → 通知发送 → 告警处理 → 恢复检测
告警状态流转：活跃(1) → 已确认(2) → 已解决(3) → 已关闭(4)，支持静默期管理和自动恢复。
用户操作路径：
管理员：系统配置 → 用户管理 → 角色权限 → 设备类型 → 告警规则
普通用户：设备监控 → 实时数据 → 告警处理 → 历史查询 → 报表导出
头盔护卫AI——基于YOLOv5的头盔识别系统
在工业和建筑领域，头盔是保护工人免受头部伤害的首要安全装备。在交通、体育、娱乐等领域，头盔都是我们不可或缺的保护伙伴，确保我们在各种环境下的安全。通过我们的头盔识别系统，我们能够更好地监控和促进头盔的正确使用，进一步提升公共安全。通过yoloV5，做头盔识别系统。
AIOT云平台-AIOT云平台
项目描述：AIOT管理后台。该平台集成酷旗所有业务、内容、技能、工具、监控等模块。
技术栈：nest.js+vue(vue-element-admin)+docker+gitlab ci/cd
责任描述：
1、负责云平台技术选型。负责平台迁移。
2、负责云平台前后端开发。负责账号中心、应用中心、客户中心、技能中心、工具中心、能力中心、文档中心、内容中心等模块的需求设计及前后端开发测试。
3、负责项目部署及项目维护迭代。负责项目需求确认及任务分配。
4、配合公众号/小程序/APP输出内容接口。
自助预约系统
核心业务模块:
会员系统 - 会员信息、余额管理、积分体系
订单系统 - 订单创建、支付、退款、订单详情管理
门店管理 - 门店信息维护、门店配置、数据统计
运营管理 - 优惠券、团购活动、门店授权、提现申请
小程序端 - 雀时光小程序(主平台)、门店小程序(商家端)
系统管理 - 用户认证、权限控制、配置管理
统计分析 - 业务数据统计和报表
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服