服务框架/平台

1、审批流程260个，包括土地、房地、林地、宅基地等不动产一体化登记 2、业务审批、接口开发、接口对接，根据国家要求，搭建不动产相关首次、转移、变更、注销等业务审批 3、统计分析，根据营商环境优化要求进行数据接入、统计分析，配合政府红黑榜考核制定数据分析 4、数据上报，将登记审批数据按上级要求，逐项上报上级部门 5、数据共享交换，与住建、税务等部门实现数据共享交换，搭建不动产一窗受理系统

项目描述：是一款打通上上签数据与其他 OA 、人力资源管理软件的连接中间件，主要对接企微、钉钉、飞书的审批和其他软件数据流的收集、转换映射和推送，极大地降低的客户与上上签云端的对接难度和成本，目前已服务30+客户。 技术栈：Springboot、MySQL、ElasticSearch+Logstash+Kibana、Redis、SpringCloud、Caffeine、Commons-pool、Docker、Prometheus+Grafana、Spring-security、ShardingSpehere 项目架构： 1.采用 SpringCloud Alibaba 技术体系构建微服务架构，根据实际业务场景对服务进行拆分 2.以阿里开发支撑注册/查询实例 TPS 达到 13000 以上的 Nacos 作为项目的注册和配置中心 3.使用 Keepalived + Nginx 保证访问入口高可用，防止服务器单点故障的发生 4.基于 Redis Cluster 搭建高可扩展、高可用、高并发的缓存集群 5.基于高性能的 Elasticsearch、Logstash、Kibana

项目主要实现机票价格, 机票余票监测功能, 当系统检测到有符合用户价格的低价机票或余票时, 自动帮用户下单占座出票 项目使用微服务方案, 主要分为, 监测模块, 预定模块, 订单模块, 客户端交互模块, 消息通知告警模块等, 我主要负责机票监测, 预定, 订单, 客户端交互服务提供等模块的开发

物联网 土壤墒情监测 温湿度光照二氧化碳监测 水肥一体化智慧灌溉 APP远程电磁阀 无塔供水 APP远程打药 虫情监测、害虫图像识别、深度学习 全部自研

基于JAVA的ERP（包括SCM,WMS,VRM，财务等相关业务）系统；看过来，找我唠唠 V：hai07k， 负责整个公司电子商城的软件技术架构、管理开发团队 基于mybatis,Spring，struts，mysql的电子商务交易平台

代码功能：通过反射技术，实现对接口的封装，以及将配置接口信息在程序启动的时候加载进入缓存 解决问题：接口引用无需新增，只需要根据入参数来调用对应的借口，以及增加对应配置 问题难点：1、多线程处理，将配置信息加载入缓存 2、通过入参查询对应的借口，进行反射

1、k8s集群管理  1）、纳管k8s集群  2）、对集群进行操作（打标签、驱赶、隔离，查询信息等） 2、项目管理  1）、创建、更新、查询、删除项目  2）、创建、更新、查询、删除项目资源 3、应用管理 4、服务管理  1)、创建、更新、查询、删除服务  2)、将写好的代码通过服务发布出去，让用户可以访问使用 5、部署  1）、查询部署记录，查询服务的Dockerfile、部署yaml、镜像等  2）、重新部署用户代码等 6、设置模块  1）、字典管理  2）、路由管理  3）、服务模块管理  5）、k8s服务模板管理  6）、服务模板权限管理

教师账号管理 支持多层级架构建立（校级、教务处、年级部、 班主任、科任教师） 学生管理 学生的增、删、查、改 附：学生获奖证书上传（仅支持：图片、pdf、 word 版本作为附件上传） 成绩导入 设置成绩导入接口（含原始成绩导入、小题分 导入、双向细目分析表导入） 成绩查询 可以通过系统查询学生的成绩和历次成绩，可 以查询全校、全年级、全班的成绩统计，且对 学生的横向成绩、纵向成绩进行直观的显示 成绩统计 系统可以按照班级、年级、科目等维度进行成 绩统计，生成相应报表 数据分析维度 成绩分析管理分四个梯度管理，分别是校级、 年级、班级、学科 年级成绩汇总表 年级各班总分和学科提升率、离中度 班级平均分排名 年级分数段汇总 各班名次分布 平均分汇总表 各班学生总排名变动表 各班学生成绩表附加一本和二本临界生 学生成绩分布分析表 排名段分析表 学生总分排名及分数频率分布直方图 动态拟划本科线 临界生情况分析 一分三率表及分数段（10 分段）分析表 生成成绩分析维度可视化统计图（包含 不限于折线图、扇形统计图等）

1. 参与公司安徽视联网平台微服务架构设计、系统架构设计及系统搭建。 2. 负责安徽视联网平台 saas 服务、营维平台、运营中台各服务拆分。 3. 负责安徽视联网平台核心模块研发及与安徽电信内部系统相关技术对接等。 4. 负责安徽视联网平台 DevOps 以及线上问题的分析及处理。 5. 负责对团队的培训与指导，提高整个团队的技术水平。

1.作品包含后台管理系统、抖音小程序、后台服务：后台管理系统模块包含：系统管理，分销商管理，剧集管理，用户管理，信息发布，统计分析 抖音小程序模块包含：首页，追剧，我的，会员充值，钻石充值，短剧分享等 2.我的团队负责平台总体的原型设计，UI设计，小程序及页面开发，后台服务开发，部署。

该项目为电商平台后台支付系统，前端对接订单系统提供支付服务，后端对接支付渠道实现支付功能。支持多支付渠道配置。其中结算服务提供商户结算对账服务，差错处理等功能。 其中，我负责支付服务开发，订单系统接入，对接后端支付渠道，支付处理，结算对账服务以及差错处理。

项目简介：照护系统旨在打造患者健康一站式追踪，保障患者健康。系统功能主要是维护设备数据采集以及分析，包括患者心率，行为 轨迹，频数记录，血压，血糖等，为医生和照护人提供患者终端数据，对患者的一些异常信息，会接送到APP进行警报。 责任描述： 1. 设备管理、照护人管理、血压血糖数据上报接口、及后台管理系统报表开发 2. RabbitMQ实现居民血压、血糖值超过阀值时，发送警报消息 3. Netty实现居民设备采集到数据时的网络通信及通知SOS列表中居民

智慧托育管理系统，集crm,erp功能一体。拥有web端，家长端，教师端。后端使用springboot,前端使用vue3+typescript+elementPlus，小程序使用uniapp

1 前端开发：设计并开发用户界面，包括主页、商品列表页、商品详情页、购物车等页面。 2 后端开发：开发服务器端逻辑，包括用户认证、商品管理、订单处理等功能。 3 数据库设计：设计并实现数据库模型，以支持平台的数据存储和查询需求。 4 测试与部署：对开发完成的系统进行测试，并进行部署上线。

设备信息管理：包括设备的基本信息、参数配置、状态监测等。 拓扑图展示：直观呈现网络设备的连接关系和布局。 性能监控：实时监测设备的性能指标，如带宽、流量等。 告警管理：及时发现设备异常并发出告警通知。 权限管理：不同角色拥有不同的操作权限。 日志记录：记录系统的操作和事件日志。 远程管理：支持对设备进行远程配置和操作。

主要分为学校端（web网页，主要是校长、教导主任等）、教师端（app）、学生端（电子班牌）、家长端（app） 主要功能：课程表、教师考勤、学生考勤、奖励违纪、班级成绩、通知公告、智慧课堂、课堂记录这几个功能 使用学校：主要在温州、新疆等区域 智慧校园打通了家长、老师、学生的信息壁垒，实现家长、老师、学生、学校的信息互联，促进学生的健康成长。

小程序团购小程序 商城为B2C、B2B、S2B2C、B2B2C多商户商城、O2O、团购社区功能 前端为PC、H5、小程序 功能：总店管理、区域团长管理、团长管理、商铺中心、店铺管理、社区拼团管理等管理模式 购物具有拼团、限时秒杀、优惠券、社群接龙、积分商城等功能 数据库为：MySQL数据库

主要解决执行法官登记材料管理困难的问题，可以通过系统统筹管理，执行案款到期预警提醒等功能。通过线上线下结合的模式，解决执行局材料收转问题。同时每份文件都可以进行电子扫描登记，并存入中间库管理。 负责整体的流程设计、功能搭建、原型设计

Reactor-Gateway是一个基于Reactor-Netty实现的响应式API网关。参考借鉴了Spring-Cloud-Gateway和Gravitee等其它开源API网关的设计思想。有可视化的API路由配置界面，部署简单，易于配置和使用，并且有不俗的性能。适合于在企业在数字化转型业务中用于不同系统中的融合。Reactor-Gateway主要是作为一个业务型的API网关来设计的，和流量型的API网关有一定的区别。常用的微服务网关Spring-Cloud-Gateway是基于Spring-Boot和Spring-WebFlux的，而Spring-WebFlux的底层也是基于Reactor-Netty。此网关借鉴了一些Spring-Cloud-Gateway中比较好的设计思想，但是不使用任何Spring相关的框架，而是直接基于Reactor-Netty来实现，安装包的大小，资源消耗，性能等方面要优于Spring-Cloud-Gateway。

提供ai算力。工作室具备多块GeForce RTX 3080 Ti 显卡，该显卡开启了 80 个 SM，384-bit 内存总线，而去年发布的 GeForce RTX 3080 则只有 68 个 SM 和 320-bit 内存总线。 RTX 3080 Ti FE 的通用计算性能是 RTX 3080 FE 的 1.13 倍，内存带宽是 1.2 倍，和上一代 GeForce RTX 2080 Ti FE 相比，分别是 2.4 倍 和 1.5 倍。双精度和半精度的拐点分别为 1 字节 vs 0.6 FP64 和 1 字节 vs 40 FP16，FP32 和 FP16 的计算带宽密度拐点为每字节带宽 40 FP Ops，而双精度则是每字节带宽 0.6 FP Ops。