Hadoop

•全链路物流状态秒级捕获与流式加工：利用无锁CDC技术实时抽取跨国各业务节点源表变更，自动按运单号汇聚“仓、拣、配、退”全生命周期状态轨迹。•多维长异步链路状态流式增量拼宽：取代传统内存关联，在统一的湖仓存储层利用流式合并引擎对数周内陆续到达的履约片段字段进行后台异步增量缝合。•极致存算分离与湖仓联

本数仓平台完成整套ODS‑DWD‑DWS‑DM分层建设。ODS层对接各个业务系统原始数据；DWD层做数据清洗、脏数据过滤；DWS层做业务主题聚合；DM层面向报表业务，输出营业、销售、库存、客流主题数据集。支撑财务对账、门店经营分析、库存消耗统计等业务功能，对外提供指标查询数据源。

1.实时采集模块：通过flink-cdc实时采集业务数据库binlog，将数据写入kafka队列2.票务实时计算模块：flink实时接收kafka数据，按放映日期实时计算影片票房、影院票房、观影人次、排片效率等指标3.卖品实时计算模块：通过flink实时计算影院卖品实时销量指标4.会员实时计算模块：

平台主要分为离线数据处理与实时数据处理，离线数据主要用来提供每日的数据报表(日活、留存等)及各维度数据的分析结果，实时数据则为其他业务线提供实时数据服务及实时报表。同时平台会对接推荐系统、日志系统、监控平台、数据可视化后台（BI）、运营后台，并对外开放API，为线上业务提供实时的数据统计服务。平台支

项目背景：离线链路只能T+1、业务看不到「现在卖得怎么样」，故补分钟级实时链路，与离线集群同机共存构成Lambda架构雏形|▪实时ETL与数据质量验证：高仿真订单生产者模拟真实生产：泊松到达+21点峰值波峰+8品类加权+二八用户分布，注入1%脏数据验证清洗拦截与巡检不误报；FlinkSQL事件时间+

项目背景：基于淘宝公开订单数据集（99,457行×9列、39个月）从零搭建离线数仓，为报表与自助分析提供统一口径销售指标|▪分层建模与ETL：ODS→DWD→DWM→DWS→DM五层+dim；针对尾逗号、日期混乱、浮点噪声（16%行受影响）等脏数据，DWD八步清洗（去重、缺失值、异常过滤、round

项目分为投资者概览，投资者检测，以及重点关注投资者三个大板块，概览展示投资者群体的大数据，检测重点展示对比数据以及不同维度下的趋势变化，重点关注投资者主要为更细致的行为数据展现

零售管理模块：支持京东平台多店铺订单的统一接入和处理，实现订单全生命周期管理，从订单创建、支付确认、发货出库、配送追踪到签收确认的全流程可视化；集成售后服务模块，支持退换货、售后退款等业务处理，提升客户满意度。采购管理模块：供应商信息管理，实现供应商档案、资质、评级等信息电子化管理；采购订单生成，支

本系统围绕电商平台的核心业务场景，构建了涵盖用户端、商家端、大数据与AI推荐四大板块的完整功能体系。一、用户商城（用户端）提供完整的电商购物闭环，包含商品浏览与搜索、商品详情与评论、购物车管理、下单结算、订单全流程跟踪（待付款/待发货/已完成/售后）等核心功能。营销模块支持优惠券领取与核销、限时秒杀

库存中心：采购出入库，订单中心的销售出入库，提供库存面板展示以及锁库和库存的数量的扣减。SRM：提供供应链核心采销存的前端，实现供应商的选定和商品的采购。商品中心：商品创建以及多平台商品信息的提供。

虚拟充值和旅游票务频道主要功能模块包括充值静态WEB站、restful接口层、供应商互联互通接口层、代理商互联互通接口层、充值处理逻辑服务、订单管理服务、支付服务、退款服务、供应商轮转服务、消费者系统资金账户、定时调度服务、广告管理服务。看过来，找我唠唠 V：hai07k， 子站系统大量采用cache、RocketMQ、静态化等技术。 采用dubbo微服务框架和cat微服务调用链可视化监控。 TDDL做分库分表，支持1000万级数据处理。 kafka+Hadoop用户行为分析，每天数据量1~10G

全球供应链交易平台，定位于大数据驱动下的全球供应链交易综合服务商，借助包括SAP等全球商业网络的优势，打造中国企业直接参与全球供应链交易的“一站式平台”，为B2B跨境交易类型客户提供全套解决方案。 ● 拥有三教育经历款核心产品: 全球卖，帮助供应商伙伴与全球商业网络中的企业精准链接； ● 全球采，为采购商伙伴提供更高效、更节约、更透明的采购方案； ● 全球拍，创造出“互联网+营销”的全新模式，为全球用户提供电子竞拍平台。 Zber在基础会员服务和增值会员服务等基础上，还为不同类型的会员量身打造了个性化的全球供应链交易专属服务。 以一种新的供应链交易模式，引导中国企业快速融入全球供应链交易网络，直接面对国际买家，带来产品利润和品质的双重提升，并为化解优势产能，消化库存商品，推进供给侧改革及“中国创新”融入全球体系提供帮助。

买菜app用户侧下单页面，需要根据下单地址所在前置仓的人力状况（分拣侧/配送侧）、站点压力、订单距离站点距离、天气等实时状况准确给出订单预计送达时间，线上版本采用xgboost,后迁移至deepfm部署，最终时间由模型预测T0 + T-Buffer+Gap决定。 我这边完成了算法架构得设计，方案落地以及线上部署维护等。