Daemon001
5天前在线
全职 · 300/日  ·  6525/月
工作时间: 工作日06:00-23:00、周末06:00-23:00工作地点: 远程
服务企业: 0家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

· 熟练掌握Java基础,熟悉常用集合及底层数据结构IO反射等;

· 熟悉JVM内存结构JMMGC算法双亲委派机制垃圾回收机制,对类加载过程深刻理解;

· 熟悉Java并发编程,掌握Java中各种锁机制CAS线程池JUC中常用的工具类等;

· 熟练使用 MySQL,熟悉索引事务MVCC存储引擎等;

· 熟悉Redis,理解Redis数据类型、持久化策略、IO模型、高可用、高性能原理等;

· 熟练使用SSM、SpringBoot、SpringCloud等常用框架,熟悉 IOCAOPBean生命周期循环依赖自动配置原理等,了解

Nacos、GateWay 等常见组件;

· 对于部分设计模式设计原则有深入的理解,例如单例、工厂、建造者、原型模式等;

· 熟悉操作系统的进程通信死锁内存管理等知识;

· 熟悉OSI七层模型、TCP/IP四层体系分层结构,掌握常见网络协议,如HTTP/HTTPS 、TCP、UDP、DNS等;

· 掌握 Linux 常用命令,如 netstat 、grep、top、chmod、find 等,熟练Docker容器化技术的使用; 

工作经历

  • 2023-03-01 -2023-10-25北京软通动力Java研发工程师

    · 根据需求文档,协同完成模块开发。 · 协同项目上线,修改测试人员于项目管理平台(禅道)上提出的Bug。 · 参与项目组接口优化、SQL调优,降低接口响应时间,提高用户使用体验。 · 熟练使用Git进行代码拉取、提交等操作,参与团队协作。

教育经历

  • 2020-09-01 - 湖北大学软件工程本科已认证

技能

Vue
React
0
1
2
3
4
5
0
1
2
3
4
5
作品
某电商交易平台

1.该项目是一个电商交易平台,主要实现了商品搜索,购物车,下单等功能。该项目采用前后端分离架构,前端使用Vue框架,后端使用Spring Boot 框架和 Spring Cloud组件,数据库选用MySql、Redis。 2. · 使用reren-fast开源框架进行后台搭建,同时为了避免单点故障问题,加快迭代速度,适应产品特性,因此后端由单体Springboot应用重构为SpringCloud微服务应用。解决了单体项目复杂度高的问题,使每个独立的服务能够更好地进行维护和拓展 · 使用Vue框架,进行前端界面的编写,使用Axios技术进行前后端数据交互 · 采用了统一的结果封装类,规范了返回的结果。并且开发了响应工具类,使用静态方法提高了开发效率 · 自定义统一的错误码,同时封装了全局异常处理器,达成了规范异常返回、屏蔽了项目冗余的报错细节 · 使用Spring Cloud Nacos作为注册中心进行服务注册、服务发现,作为配置中心进行配置文件的统一管理 · 使用Spring Cloud Gateway实现请求转发,在网关层面解决跨域、用户鉴权等问题,降低开发成本、提高安全性 · 采用Redis实现了高频信息缓存(用户信息、首屏信息、分类信息),大大加快了请求响应速度,降低了数据库的访问压力 · 前端采用Nginx进行部署,后端采用Docker容器进行部署

0
2024-04-18 13:28
某融资平台

1.该项目是一个针对武汉百万企业的融资平台,主要实现企业和银行的融资需求对接。该项目采用前后端分离架构,前端使用Vue框架,后端使用Spring Boot 框架,数据库选用MySql、Redis。现项目已上线,官方网站:https://hrtjrfw.com.cn/ 2.主要工作: · 根据需求文档,协同完成融资对接模块开发。 · 协同项目上线,修改测试人员于项目管理平台(禅道)上提出的Bug。 · 参与项目组接口优化、SQL调优,降低接口响应时间,提高用户使用体验。 · 熟练使用Git进行代码拉取、提交等操作,参与团队协作

0
2024-04-18 13:22
数据分析平台

1.基于 React + Spring Boot + MQ + AIGC 的智能数据分析平台。区别于传统 BI,用户只需要导入原始数据集、并输入分析诉求,就能自动生成可视化图表及分析结论,实现数据分析的降本增效。开源地址:https://gitee.com/ZengHaoJie/bi-backend 2.主要工作内容: · 完成前端界面编写 · 后端自定义 Prompt 预设模板并封装用户输入的数据和分析诉求,通过对接 AIGC 接口生成可视化图表json 配置和分析结论,返 回给前端渲染 · 由于 AIGC 的输入 Token 限制,使用 Easy Excel 解析用户上传的 XLSX 表格数据文件并压缩为 CSV,实测平均减少了 20% 的单 次输入数据量、并节约了成本 · 为保证系统的安全性,对用户上传的原始数据文件进行了后缀名、大小、内容等多重校验 · 为防止某用户恶意占用系统资源,基于 Redisson 的 RateLimiter 实现分布式限流,控制单用户访问的频率 · 由于 AIGC 的响应时间较,基于自定义CPU密集型线程池 + 任务队列实现了 AIGC 的并发执行和异步化,提交任务后即可响应前端,提高用户体验 · 由于本地任务队列重启丢失数据,使用 RabbitMQ (分布式消息队列)来接受并持久化任务消息,通过Direct 交换机转发给解耦的AI 生成模块消费并处理任务,提高了系统的可靠性

0
2024-04-18 13:19
更新于: 04-18 浏览: 20