Kafka

客户购买保险后，保单附赠有车险和非车险的增值服务。用户登录增值服务系统后，根据证件号和手机号查询用户购买的保单信息，以及享有的增值服务，点击对应增值服务进行使用。与外部供应商做对接，完成不同订单状态的交互。使用完成后，可查看对应的订单详情。后台负责保单数据从核心系统的同步，增值服务客服下单，订单审核对账，数据配置等等。 spring 全家桶nacos，getaway，seate，xxl-job,springboot，springcloud，Mybatis-plus，logback，Docker，jenkins 自动化部署。数据库：mysql,redis

AI云社区交流平台 使⽤技术：Spring Cloud Alibaba + MySQL + Mybatis-Plus + Redis + XXL-Job + MinIO + ShardingSphere-J DBC + Spring Cloud Alibaba Sentinel + Spring Security + Canal + KafKa 项⽬介绍：AI云社区交流平台是⼀键式⽣成所有⼤模型结果的平台，⽬前⽀持聊天对话功能以及图⽚⽣成等功 能，⽀持近百种⼤模型调⽤（本地⼤模型+云端⼤模型），还有社区交流和评论等功能。 主要职责： 1.负责 AI 云端⼤模型+本地⼤模型部署的对接功能实现和后端接⼝幂等性处理以及业务接⼝开发等⼯作。 2.负责数据库的设计和基础公共功能的开发，例如 Spring Security Util，MinIO Util，AuthUrlUtil 等。 3.负责项⽬分库分表功能的设计与代码的实现，并且使⽤开源的数据同步组件 Canal 通过监控 MySQL 的 Binlog ⽇志解决数据库和Redis的数据⼀致性问题，消除数据不⼀致导致的业务差错，保障了业务流程的顺畅运⾏。 项⽬亮点： 1.为保证⼤模型接⼝调⽤在⾼并发场景下的安全性与稳定性，引⼊分布式锁机制。使⽤Redisson 实现分布式锁， 通过在锁值中记录持有锁的线程标识及重⼊次数，防⽌前端调⽤接⼝时在30秒内重复调⽤的问题。 2.使⽤消息队列KafKa 实现系统的削峰填⾕，将⽤⼾的请求异步发送到 KafKa 的队列中,避免系统因瞬时的⾼流量 ⽽崩溃，并且设计了消息确认机制和重试策略以及将消息持久化到磁盘避免消息的丢失，保证程序执⾏的完整。 3.在云端⼤模型⽅⾯⽀持 ChatGPT、通义千问、⽂⼼⼀⾔、讯⻜星⽕、⾖包、Kimi 等近百种不同类型⼤模型以及 本地⼤模型Ollama的调⽤，⽤⼾可根据⾃⼰需求与成本的的需要，智能便捷的切换调⽤不同模型。

1. 该大数据项目适用于初创公司在其数据处理（大数据中台）的规划与部署； 2. 该大数据项目分为：架构的服务器选型与规划、各大数据组件高可用规划与部署、各大数据组件安全相关的规划与部署、各组件如何实现用户大统一（超便捷的用户统一管理）； 3. 该大数据项目用到的技术有：Hadoop（HDFS & Yarn）、Hive、Kafka、Ranger、FreeIPA(Kerberos & LDAP)、Spark、Flink、Hudi、Iceberg等；编程语言有：Java、Shell等； 4. 基于大数据15年多的工作经验，为整理该文档耗时6个月（后续还有“开发篇”正在整理中）；

管理13人产品研发团队，负责系统总体架构设计、迭代开发计划制定与分工、对接资源与任务协调、项目进度跟踪等事项，2个月时间完成智慧康养平台建设并交付项目实际使用。 组织建设自动化构建部署和运维监控体系：基于gitLab+sonar+jekins+docker搭建了CI/CD平台，基于Prometheus和Grafana搭建了运维监控平台

项目描述 Ape-Frame是一款专门企业级开发脚手架，内部进行高度封装集成，覆盖企业级开发常用的工具及业务场景。达到开箱即用，上手快，学习成本低的价值导向。用于解决中小项目进行开发时，每次要进行框架搭建选择的痛点。进行统一的规范和组件封装，使开发者更加专注于业务价值。 技术栈：SpringBoot+SpringCloud+MyabtisPlus+Mysql+Redis+Guava+xxl-Job+rocketMq 技术要点： 独立从0到1负责项目的架构设计，技术选型，把控框架质量及框架价值导向，调研业务场景； 采用模块化思想，对项目模块进行拆分设计，模块可插拔，可按需选择模块装载，模块间解耦； 负责核心common-redis模块的建设，提供分布式锁，本地缓存，lua脚本，pipeline等功能设计； 对常用业务场景，例如数据归档，链路追踪，多数据源等进行覆盖封装，提高开发速度，简化开发步骤。 集成常用中间件mysql，redis，es，mq，xxljob等，并提供集成demo和starter封装；