数据备份

该系统旨在管理企业核心数据，通过将集团内各个系统的主数据规范化并保存到主数据平台中，并进一步分发至各下游系统。系统的核心功能包括模型管理、字段管理（创建表）、数据维护以及使用RabbitMQ整合并通过Exchange机制分发最新数据给下游系统。这确保了数据的一致性、准确性和及时更新，为企业的高效运作提供了坚实的基础。 相比于市面常规方案来说是成本比较低，是通过开源框架改造而来前端使用vue,后端.net core，可以部署在window服务器也可以部署到Linux服务器，同时支持SQL server和MySQL，并且加上了RabbitMQ可以在更新的第一时间推送到下游系统。

1、方案面向数据开发人员，解决了海量数据分析统计，解决关系型数据库针对海量数据分析慢的问题 2、Kappa架构的大数据方案，实现流批一体；Lambda架构的大数据方案，离线和实时分离的数据仓库方案。 3、技术选型： （1）数据源‌ → ‌Kafka‌ → ‌Flink实时计算‌ → ‌Clickhouse → ‌API/BI展示 （2）数据源‌ → ‌Datax → ‌Hive/Spark SQL → ‌关系型数据库 → ‌API/BI展示

该项目基于Python开发，主要技术栈包含： 1) Tkinter和ttk构建GUI界面 2) 自定义data_manager模块处理CSV数据存储 3) 正则表达式实现输入验证 4) PyInstaller打包为可执行文件 5) 使用ttk.Style实现现代界面样式。 项目结构包含Python标准库模块和第三方打包工具的综合应用。

1.目标用户： 中小型企业（10500人规模，需高效协同但预算有限） 连锁零售/电商企业（多门店管理需求，需统一管控） HR与运营团队（招聘、任务分配、数据分析高频场景） 2.解决问题： 招聘效率低：企业简历库分散，重复筛选耗时； 管理工具割裂：OA、店铺管理、任务系统相互独立，数据无法互通； 人效提升难：传统OA仅支持基础审批，缺乏智能化决策支持。 3.差异化竞争力 相比传统OA（如钉钉、企业微信）或单一功能工具，本方案实现“工具+数据+AI”三位一体升级： (1)共享简历中心：对接主流招聘平台（BOSS直聘、猎聘）简历库，AI自动去重分类，人才匹配效率提升60%； (2)李大本事AI助手： (3)店铺管理助手： 跨平台数据看板：聚合天猫、抖音等6大电商平台订单/库存数据，自动同步至ERP； 营销活动ROI分析：追踪活动成本与转化率，生成优化建议。 (4)待办事项引擎： 任务自动拆解：将复杂项目分解为可执行子任务，关联责任人； 智能优先级排序：结合截止时间、依赖关系动态调整任务队列。 4.产品架构与技术选型（20%） 核心模块： 前端： 管理端：Vue3 + TypeScript + Element Plus（高定制性后台） 移动端：UniApp（兼容iOS/Android/小程序，复用率超90%） 后端： 微服务架构：Spring Cloud Alibaba + Docker容器化部署 AI中台：Python + TensorFlow（模型训练） + FastAPI（接口封装） 数据层： 业务数据库：MySQL集群（分库分表应对高并发） 日志与行为数据：Elasticsearch + Kibana（实时分析） 第三方集成： 电商平台API对接：淘宝开放平台、抖音电商SDK 身份认证：OAuth2.0统一登录（支持微信/钉钉/企业微信） 5.项目成果： 已服务200+企业客户，其中某连锁餐饮企业接入后，人效提升35%，店长日均事务处理时间减少2小时。系统支持每秒3000+并发请求，平均响应时间＜200ms。

猫八网是一款专注于留学服务的在线平台，致力于为用户提供一站式的留学咨询、院校匹配、申请规划、自选课程、签证办理等服务。平台整合全球院校和留学中介的数据信息，结合大数据分析和智能推荐算法，为学生提供精准的留学方案，提升申请成功率。 从后端开发的角度来看，猫八网采用了强大的微服务架构，确保平台各项服务和功能的无缝集成。系统能够高效处理大规模的数据，通过智能算法为用户提供个性化的推荐和分析。此外，平台后端还利用实时数据处理技术，确保用户在留学规划的各个环节都能获得最新、最准确的信息。 同时，猫八网不断优化服务流程，包括需求采集、项目管理经验积累、以及竣工验收等，确保为用户提供高效、精准、可靠的留学解决方案。我们的后端系统支持高并发和高可用，能够在用户量不断增长的情况下保持系统的稳定性和优异性能。

Django仓库管理系统项目 仓库管理 warehouse 字段：仓库ID、仓库名称 功能：仓库列表、仓库新增、仓库更新信息、仓库删除 物品分类管理 goods_category 字段：分类ID、分类名称 功能：列表、新增、更改、删除 物品管理 goods 字段：物品ID、物品名称、属于的仓库、物品的分类、额定数量、当前数量、物品价格 功能：物品列表、物品新增、物品更新信息、物品删除 用户管理 user 字段：用户名、密码、角色（管理员、普通用户） 功能：用户列表、新增用户、编辑用户、用户登录 出入库管理 goods_inout_recods 字段：操作人ID、物品ID、操作类型（入库/出库）、操作数量、操作时间、备注 功能：入库操作、出库操作、操作列表、数据查询 数据统计 data_analysis 按天统计（折线图）：库存总数量、库存总价值（价值=数量*价格） 销售统计（柱状图）：历史总入库数量最高的前10个物品 占比统计（饼图）：仓库中每种分类的总价值占比统计

1、项目包含登录、营收可视化、餐品及会员管理、仓储系统、优惠券系统等 2、本项目前端模块为个人独立开发，涉及ts、vue、vuex、vue-router、elementUI等 3、由于前后端开发时段不同，采用mock模拟真实数据接口

统一存储为国产化版本的智能存储引擎，基于 glusterfs 文件系统实现文件、对象、的 一个存储服务。其包含资源池管理，安全组管理，磁盘管理，卷管理，共享服务管理、多元 化存储机制。其支持 cifs、nfs、s3、iscsi 等共享协议，实现了 nas 网络共享和 san 共享等 多元存储方式。

单人做完整个系统，该系统分为门类服务和仓库服务。其中包括门类管理，类别管理、元数据、四性检测、eep包上传下载生成、库房管理、档案入库出库、档案借阅鉴定工作流。

1.该项目分为用户登录管理、定时任务分发等模块,让运维人员轻松应对工作; 2.该项目为前后端分离，服务端使用了 Golang 高性能框架, web前端使用了 Angular 18 框架。使项目轻快流畅; 3.该项目使用了分布式定时任务管理，巧妙地解决了服务器时钟容差问题。支持秒级定时任务。

统计分析： t检验和ANOVA：比较多个样本组之间的差异。 非参数检验：如Wilcoxon秩和检验，用于非正态分布的数据。 多重检验校正：如Bonferroni校正和Benjamini-Hochberg方法，用于控制假阳性率。 基因表达分析： DESeq2和edgeR：用于RNA-Seq数据的差异表达分析。 limma：用于微阵列数据和RNA-Seq数据的线性模型分析。 变异检测： GATK和SAMtools：用于高通量测序数据的变异检测和注释。 VCFtools：用于处理和分析VCF格式的变异数据。 基因功能富集分析： GO（Gene Ontology）分析：用于分析基因功能分类。 KEGG：用于代谢通路分析。 DAVID和Enrichr：用于基因集富集分析。

主要oracle数据库运维经验，熟悉以下系统运维： Linux、AIX、HP-UNIX 操作系统，熟悉 shell 语言； ORACLE数据库管理，备份恢复升级，以及调优； ORACLE高可用技术，RAC、DG、OGG 维护； 熟悉 MySQL 数据库运行机制，安装配置以及运维管理； 熟悉 MGR ，主从运行原理，备份恢复，调优，故障诊断等； 另外擅长： windows、linux、oracle、mysql、pg数据恢复

图纸资料是交通运输产业重要的资产之一，当前工程中的图纸资料基本交由第三方资料管理公司管理，但由于各第三方资料管理公司管理办法不同，导致各工程图纸版本未能有序归档，影响后续查阅利用，并且由于第三方资料管理公司管理周期较短，导致在项目结束后，图纸资料被束之高阁，不利于图纸资源的积累，第三方资料管理公司对图纸管理过程中未对图纸密级进行管控，因此未按密级进行区分管理，重要图纸信息则有泄露风险。在本项目中实施图纸管理系统，搭建起图纸全生命周期管理平台，对工程建设过程中的各类图纸进行科学化、标准化及安全化管理。

1、使用MVVM架构设计，集成自主设计的通讯协议 2、前后端分离架构设计，软件易于维护 3、使用LightningChart控件，数据显示速度更快。 4、参数的保存和恢复，完善的异常处理机制

平安证券智能机器人IM系统 证券im系统与银行im系统有些不同，银行IM系统主要保证用户与坐席之间文字聊天。 但是证券系统需要实时显示股票实时走线图。需要收发大量的数据，同时还要保证数据的及时性。 在整个系统中使用了websocket技术保证数据的实时性，使用nas缓存保证大数据的交互。 同时使用mqs来保证负载均衡，不会因为多个大消息进入单个服务器导致内存溢出。同时使用主键+缓存方式消减大消息的情况。

hadoop 系列 hdfs、hive、hbase 数据文件处理 用python编写 使用rocksdb、grpc、mysql 等相关技术 难点在于，hadoop数据量大，数据处理的准确性、效率

React & Node、MongoDB 项目。我的角色是全栈开发人员。使用 React Bootstrap 构建 React 页面和可重用组件，并使用 Node Express 框架和 Rest APIs。 面临非常复杂的交易策略和大数据处理。虚拟货币交易网络服务 React-redux、react-saga、react-hooks、rest api、第三方 api、Jest 单元测试、Typescript、GraphQL

在该项目中，AWR 报告发挥了重要作用。它具备多个功能模块，能为使用者提供以下功能： 1. 监控数据库性能，及时发现潜在问题。 2. 分析数据，为优化提供依据。 我负责的任务包括： 1. 收集与分析报告数据。 2. 解决性能问题。 3. 优化数据库相关配置。 4. 确保数据库的稳定运行。 运用的技术有： 1. Oracle SQL Developer 进行数据库操作。 2. 借助 AWR 报告监控分析。 3. 使用 SQL 调优提升性能。 通过努力，最终达成以下成果： 1. 显著缩短查询时间。 2. 有效解决内存泄漏问题。 3. 成功提升数据库性能与稳定性。 在项目过程中，面临的难点主要是查询语句优化和内存泄漏问题。经过不断尝试和学习，找到了可行的解决办法

5G核心网采用服务化架构，将控制面功能简化和抽象为多个网络功能（Network Function，以下简称NF），如接入和移动性管理由AMF这个NF负责，会话管理由SMF这个NF负责，每个NF可以部署很多种能力，这些能力就是NFS（Netword Function Service）NRF负责NF/NFS的自动注册，更新，去注册，自动发现，选择。

功能模块：运行数据导入，数据图形化，数据分析（Morris，Sobol分析法），分析结果图像化 负责：该程序由本人独立完成