该项目是二开项目，原系统是存电商系统，在原电商基础上增加团购业务 该业务有个人前后端独立完成开发 前端使用了uniapp完成APP，小程序，H5等端的开发 后端使用了thinkphp，mysql，redis，等技术完成后端服务开发

负责爱心帮扶模块、用户模块 APP 接口开发，支付回调等开发； 采用 redis 为页面提供相关实时热点数据等，减少查询时间； 负责微信支付相关模块接口开发，使用 redisson 实现分布式锁，确保支付的数据一致性 采用 Elasticsearch 为页面提供海量数据的快速查询；

中国社会扶贫网重构基于单体架构升级，改造为微服务模式，将原有功能陆续改造为微服务模式并升级上线 生产，数据库由 Oracle 转为 mysql，同时采用 Elasticsearch 分布式搜索引擎，实现海量数据快速查询，项目开发期间采用微服务与原有系统并行运行，与 OracleDBA 一起设计原系统向微服务系统数据迁移部分 Oracle 数据库部分存储过程，项目基于中国社会扶贫网注册用户突破3000W 的情况，原系统仅通过nginx 实现负载，redis实现分布式 session，不能支持海量并发情况，并且中国社会扶贫网项目越来越多。调用关系越来越复杂。所以采用 springcloud 微服务集群部署统一服务管理。

（1）参与需求评审，并就项目排期以及测试级别进行讨论定级； （2）参与程序设计评审，整理并熟悉例如：接口资料，hbase，mysql数据库表结构等资料，为后续测试做充分准备 （3）编写测试用例、测试方案、以及测试结束后的测试报告等输出文档 （4）根据测试需要使用python编写小工具核对报表数据（实际值，管控制的年数据，月数据，上半月，下半月等）与hbase中的数值， （5）搭建测试环境，开发提测后负责更新服务；并冒烟测试新提测的内容是否符合测试标准，若不符合进行打回 （6）跟踪redmine中bug状态，并根据需求内容多少以及测试具体情况，确定测试轮次以及何时结束测试 （7） 对测试的所有文档资料归档，并对小程序进行优化整理等

开发日期：2020.05-2020.010 开发工具：Visual Studio Code 开发技术：HTML5，SASS，Vue，Vue-cli，Vuex，axios，ElementUI，vue-element-admin等。 项目描述：该项目是一个设备管理，多协议适配，数据收集，数据存储，告警，大屏可视化集一体的物联网管理平台，主要功能就是设备状态的实时更新以及设备的位置，支持告警推送，告警解除、限频等 责任描述： 根据甲方的需求完成各个功能的完善，。 使用UI组件库完善各个页面的展示与交互。 使用websocket和后端建立连接，实时更新并显示设备的位置基本信息 。 根据Vuex中的state映射出来的数据绑定到主页。 使用Vue-Router进行页面的路由设置实现页面之间的跳转，通过路由守卫解决路由之间跳转的问题。 后期维护, 处理开发中的技术难点 , 解决不同浏览器的兼容性问题 。

使用技术: SpringBoot+Dubbo+Zookeeper+MySQL+RocketMQ+Sentinel+Nginx 责任描述： 1．使用RocketMQ的双主双从集群，Zookeeper集群进行项目的搭建。 2．订单模块涉及库存，优惠券，余额的扣减，增加失败补偿机制，MQ监听失败消息进行回滚。 3．使用数据库乐观锁与Redis的Lua脚本控制库存的超卖。 4．使用RocketMQ进行消息的解耦，完成订单的创建与支付功能。 5．RocketMQ延迟消息30分钟，对超时的订单进行了数据库与redis的回滚。 6．对于已购买该商品的用户进行了限购。 7．为了减小数据库的访问压力，使用Redis进行了缓存预热和页面静态化的处理。 8．使用Sentinel框架对热点请求做了限流，服务降级。

SpringBoot2.0+Mybatis+Shiro+Redis+Docker+Swagger+Maven +Nginx 1．负责创建会员服务和会员登录，去除了密码登录，采用更便捷的微信扫码登录，使用Token做验证。 2．负责会员、支付模块的设计与研发，对接第微信支付。 3．采用轻量级的Shiro和JWT令牌保存用户状态，保证安全性。 4．使用Redis 保存Token，缓存热点数据，短信验证码，限制搜索次数等功能。 5．发送支付请求采用MQ进行数据分发，当支付成功，异步通知不同的服务响应支付平台。 6．对消息进行落库，确保当MQ接收到消息时才进行删除操作，保证数据不丢失。

为提升越秀地产下建筑的数字智能（DAT）和建筑运营管理能力，在节省人工的情况下，对碳，水，电等方面进行控制，节省资源并降低成本。开发了越秀FM定制项目，该项目包含设备巡检、设备维保、工单管理、组织权限管理、排班管理等等。

项目介绍：商城系统是采用Java语言开发的围绕乐园照片或者相关商品进行查看、购买的系统。 责任描述：一：乐拍通web自动化测试工作 （1）从用户使用感受出发，结合产品实际功能，进行用例撰写和测试； （2）根据文本用例，执行乐拍通web系统的手工测试 （3）对于比较稳定的，以及需要反复且耗时较长的功能，实现自动化。 （4）基于python+selenium开发，如快速配置（遍历各种路径组合）、用户登录， 模拟用户点击和输入等，实现自动化，提高项目测试效率 二：性能测试工作 包含通过Jmeter工具，完成该系统从登陆，进入乐拍通首页，商品搜索，查看照片，添加购物车，添加商品收藏，查看购物车，照片下载，登出等单场景以及多场景的性能测试； （5）通过乐拍通项目需求的分析与分解，提取出关键业务场景，确定哪些业务场景放到一起测试以及各个业务场景的占比，从而确定单场景和复合场景测试用例； （6）根据测试用例通过Jmeter编写性能用例脚本，并通过参数化、关联技术以及根据业务和用户需求添加ThinkTime。并且使用Fiddler对接口抓包进行分析等对脚本进行优化，尽可能贴近真实用户场景； （7）搭

开发一款公交类app，有公交导航操作、公交站点查看、高清测量、道路拥堵情况、周边等功能，通过百度地图和高德地图接口实现

当前工作岗位主要负责论文书写，故障处理，一些大数据分析得出的报告，经常性使用python对海量数据处理，并且利用一些机器学习方法完成数据的评估工作。

使用技术: SpringBoot2.0+Dubbo+Mybatis+Redis+Jenkins+Swagger+Maven +Quartz+RocketMQ+ElasticSearch+Nginx 1. 负责邮件模块的管理，消息推送，在下单，支付，订阅时使用MQ做消息分发。 2. 负责消息服务，App使用极光推送定时任务，浏览器使用第三方应用推送通知。 3. 参与了心愿单，购物车的开发，从未登录到登录要做数据的合并处理。 4. 参与使用Quartz做任务调度，方便管理整个项目的定时任务。 5. 参与ELK日志统一管理平台的设计与开发。 6. 参与物流服务，采用17Track平台对物流情况做异步注册查询。 7. 针对原先慢查询的SQL语句做处理，添加相关索引，优化SQL语句。 8. 参与搜索服务的开发，对搜索的数据进行索引同步，模糊查询。

1.预处理测风塔海量数据。将五分钟、十五分钟等数据改为小时或年数据。 2.按照公式利用python编辑程序，实现表格自动化的运算。 3.完成地区内的综合评估报告。

开发日期：2022.05-2023.03 开发工具：Visual Studio Code 微信开发者工具 开发技术：HTML5，SASS，Vue，Vue-cli，Vuex，axios，ElementUI，微信小程序，colorui等。 项目描述：该项目是上海某机构托付于公司的管理系统 主要功能就是对该机构的设备人员的统计和管理，让机构负责人清楚的了解该机构的基本信息 责任描述： 根据UI设计图制作前端展示页面，使用精灵图片显示图标。 使用axios进行前后端交互获取数据，实现用户查询与管理系统的功能 。 根据Vuex中的state映射出来的数据绑定到主页。 使用Vue-Router进行页面的路由设置实现页面之间的跳转，通过路由守卫解决路由之间跳转的问题。 后期维护, 处理开发中的技术难点 , 解决不同浏览器的兼容性问题 。

1.使用SPSS、R语言、python处理海量数据、生成图片式汇报。 2.使用机器学习算法对温度数据进行预测。 3.模型可提前预告故障情况。

为你选歌 APP 旨在检测用户嗓音条件，利用人工智能为用户推荐适合他们演唱的歌曲。此外，该 APP 还与中国好声音江西分区评委合作开发了一套完整的课程练习系统，并与韵桀音乐合作，加入教唱视频等，以帮助用户更快地提升唱歌技能，提供更多的学习机会。 系统从音色、音域、气息、节奏和音准5个维度对用户的演唱能力进行综合评分，从而让用户更好地了解自己的唱歌水平。 我们的 SLS 流行演唱教程旨在让学员们能够轻松学习演唱流行歌曲，并采用艾宾浩斯记忆曲线来帮助用户强化学习，以便更好地掌握技能，提高效率，并最终达到演唱的目的。通过重复练习，学员们将能够更加熟练地演唱流行歌曲，提高自身的演唱水平。 完成这个项目的 iOS端，我独立完成了所有工作，包括重要的算法，如人工智能音乐推荐、基频提取等。这些算法的实现，使得项目的功能更加完善，更加符合用户的需求。

这是一款具有社交功能的在线斗歌 App ，提供多种斗歌玩法，让玩家可以在轻松愉快的环境中尽情展现自我。其中包括1v1斗歌，实时 PK ，用唱歌实力进行排名；3v3斗歌、3局两胜斗歌玩法，使斗歌更具竞技性；娱乐房，可唱歌，可聊天，主播带动气氛，让玩家可以在此嗨唱。

将已开发好的某个AI模型，部署到边缘端的开发版，主要工作包括模型剪枝、模型蒸馏，适配Arm架构，对接开发板上的摄像头，实地部署测试等。 全部工作均由我独自一人完成，包括此前模型的开发工作。

1 项目基本上大部分的数据管理后台系统功能都包含，是迭代了一个三年左右的产品 2 整个项目都是独立完成，技术栈包括vue全家桶引用elementUi，echarts以及一些基本的数据处理 3 达成的效果：提高公司内部客服，销售，运营的工作效率

针对某油田各井产量，开发产量预测模型，基于历史产量时序数据，采用了LSTM、CNN、随机森林等方法进行产量预测