0
1
2
3
4
5
1月前来过
1
厦门全职 · 300/日 · 6525/月信用正常
工作时间: 工作日09:00-22:30工作地点:
远程
服务企业:
0家累计提交:
0工时
联系方式:
********
********
********
****************
查看联系方式
工作经历
2024-03-01 -2024-03-2611
1.基于 DDD 模式编写了相关代码，结合规则引擎优化了多指标规则判断，兼容旧有活动数据 2.整合参与活动的各门店骑手数据，通过 Xxl-Job 的分片机制完成其活动奖励结算 3.基于 dfs 方式完成门店后台权限指标优化。在缓存数据时，采用 Canal 和 Kafka 及时更新缓存 4.通过提前聚合数据及sql优化，以及缓存和接口调用优化，将运营分析接口反应时间从10s优化到2s
教育经历
2019-09-06 - 2024-03-06福州大学软件工程本科
技能
作品
1.基于 DDD 模式编写了相关代码，结合规则引擎优化了多指标规则判断，兼容旧有活动数据 2.整合参与活动的各门店骑手数据，通过 Xxl-Job 的分片机制完成其活动奖励结算 3.基于 dfs 方式完成门店后台权限指标优化。在缓存数据时，采用 Canal 和 Kafka 及时更新缓存 4.通过提前聚合数据及sql优化，以及缓存和接口调用优化，将运营分析接口反应时间从10s优化到2s
02024-03-25 22:47
1.基于 DDD 模式编写了相关代码，结合规则引擎优化了多指标规则判断，兼容旧有活动数据 2.整合参与活动的各门店骑手数据，通过 Xxl-Job 的分片机制完成其活动奖励结算 3.基于 dfs 方式完成门店后台权限指标优化。在缓存数据时，采用 Canal 和 Kafka 及时更新缓存 4.通过提前聚合数据及sql优化，以及缓存和接口调用优化，将运营分析接口反应时间从10s优化到2s
02024-03-25 22:47
1.基于 DDD 模式编写了相关代码，结合规则引擎优化了多指标规则判断，兼容旧有活动数据 2.整合参与活动的各门店骑手数据，通过 Xxl-Job 的分片机制完成其活动奖励结算 3.基于 dfs 方式完成门店后台权限指标优化。在缓存数据时，采用 Canal 和 Kafka 及时更新缓存 4.通过提前聚合数据及sql优化，以及缓存和接口调用优化，将运营分析接口反应时间从10s优化到2s
02024-03-25 22:04
