NoSQL

Designed a web application for group event scheduling. The system supports user management, location planning, and voting for the schedules ∙ Utilized Yelp API and Google Map API to get information of nearby meeting venues ∙ Implemented with Express.js, MongoDB, JavaScript, Bootstrap, JQuery, HTML5 and CSS 设计了一个用于群组事件调度的Web应用系统。该系统支持：‌ ‌- 用户管理体系‌ ‌- 会面地点规划功能‌ -‌ 时间安排投票机制‌ ‌技术实现亮点：‌ ∙ 调用Yelp API与Google Map API获取周边聚会场所信息 ∙ 采用Express.js, MongoDB, JavaScript, Bootstrap, JQuery, HTML5及CSS技术栈实现 关键术语说明： -‌ 群组事件调度‌：指协调多人参与的日程安排系统 ‌- 会面地点规划‌：利用地理API实现的智能选址功能 -‌ 时间投票机制‌：民主化决策活动时间的核心交互设计 ‌ 技术栈组合‌：体现全栈开发能力（Node.js后端 + 前端框架 + NoSQL数据库）

订单管理系统主要面向直销类制造业企业，通过自有商城下单，订单管理系统通过接口从商城中订单获取到订单管理系统中。 订单管理系统自动进行订单分仓、合并，拆分预售订单等 系统管理员通过订单管理系统，对订单进行审核（同时进行库存校验），审核通过后，推送到立体库系统进行发货 立体库发货成功后，将订单信息再次推入订单管理系统中，订单管理系统负责快递轨迹订阅，做销售出库单推入ERP，同时将物流信息反写到商城。 订单管理系统还具体售后功能，通过接收商城的售后订单和实物进行检验，通过后，将消息推回商城，同时将已检验成功的产品推入ERP。

该后台基础框架主要面向于web应用程序。可具体应用在以下几个方面业务场景上：化工行业、应急行业内的企业管理，需要实现企业工业设备联网与监控、需要实时数据采集、以及相关文件存储与管理的应用场景。 项目已实现身份认证、权限管理、系统配置、字典数据等常用的系统功能，可基于此框架拓展独立的业务功能开发。已集成的功能有：AOP操作日志、文件存储（本地存储与MinIO对象存储）、Redis缓存数据存储、Mysql业务数据存储、InfluxDB时序数据存储、Socket实时通讯、EasyExcel文档导入及导出、Assembly发布配置管理、代码生成器、注解式接口访问控制、接口在线文档等。 技术选型基于应用场景考虑，开发框架采用SpringBoot框架，业务数据处理采用MybatisPlus简便开发操作，身份认证使用Shiro校验，页面实时数据监控基于Socket.io事件机制通讯，整体可采用Nginx作为Web容器和后台代理，多文件存储采用MinIO分布式对象存储。软件开发采用MVC设计模式，分离应用程序的不同结构和部分，使得开发、维护和理解变得更加容易。

核心功能 可视化规则管理 提供基于 Web 的规则设计器，支持通过拖拽方式定义规则、决策表、评分卡等，降低非技术人员参与规则配置的门槛。 支持规则版本控制、多环境发布（开发/测试/生产），确保规则变更可追溯。 多规则类型支持 决策表：以表格形式管理条件与结果的映射关系，适合复杂逻辑的批量配置。 评分卡：基于权重和分值计算综合得分，常用于风控或信用评估场景。 脚本规则：支持 Groovy、JavaScript 等脚本语言，满足高度定制化需求。 高性能规则引擎 基于 RETE 算法优化，支持实时规则匹配与高效执行。 内置规则缓存机制，减少重复计算开销。 集成与扩展 提供 Spring Boot Starter，可快速集成到 Java 项目中。 支持通过 REST API 远程调用规则，适配微服务架构。 可扩展自定义函数、变量和规则加载器。 监控与调试 记录规则执行日志，支持规则命中率、执行时长等指标监控。 提供规则调试模式，实时验证逻辑正确性。 应用场景： 风控系统：实时计算用户风险等级（如反欺诈、贷款审批）。 营销活动：动态配置优惠券发放规则、用户分群策略。 物联网（IoT）：根据设备数据触发告警或自动化操作。 医疗诊断：基于患者指标匹配诊疗方案。

1、面向所有需要监控企业舆情风险的个人和单位。 2、周期性自动爬取指定新闻网站新闻，借助对齐后的大模型出生的文本理解能力，落库企业舆情风险到数据库。 3、简易的使用方法，只需要指定新闻网站、监控频率，查看监控结果即可。

用户需求比较复杂, 需要大数量级用户 预计10-15亿用户图像 操作过程 1. 通过爬虫head节点, 获取用户ID 2. 根据用户ID, 获取用户图像列表 3. 通过OpenCV获取图像中用户人脸图形, 并计算数量, 过滤没有人的图像 4. 关联图像本身URL, 回传国内队列