bugzilla智能分配功能 背景：oncall机制每人一周一次，需要分配并处理整个产品大模块的所有bug，如何快速的 找到可能的解决方案或者分配给正确的人，可以极大的缓解oncall人员的工作量 搭建全链路推荐系统，使用已经close的bug作为数据集。使用LR作为预估模型 NSX和vSphere产品中的Port Mirror和LLDP功能的owner，独立开发相关功能 Port Mirror 类型：实现了Remote SPAN，GRE/ERSPAN，丰富mirror类型，创造性的提出Logical SPAN，用于打破Local SPAN的限制，并且支持中心的统一分析器以及vMotion。 性能：引入专属的tcpip协议栈，引入专属的资源池，成功隔离mirror流量与管理流量，提升 性能；引入流量过滤功能，用户可以指定mirror流量类型；重构DP代码，降低锁的粒度，提 升分发性能。 可用性：交互界面显示mirror状态；交互界面显示mirror统计数据，更好的展示session工作 状态。 LLDP在ESX和KVM平台，独立负责重构LLDP功能，支持7种TLV，并通过RMQ与MP进行通信， 可实现end-to-end的配置与查询。 独立开发ESX平台Organizationally-Specific TLV动态添加/删除功能，可任意定制TLV内 容，并支持cli进行配置和查看

负责快手主app的用户推荐业务，专注提升关注数，负责用户推荐系统架构，精排模块以及服务整 体的可用性 推荐模型升级到DNN，业务指标提升8%，wuauc提升4个点 引入mtr/dtr DNN模型，增加精排指标，加入排序公式，业务指标提升5% 预估模块重构，实现并行计算，并且支持配置化上线实验，配置化替换模型，大大提升了扩展性 和便捷性，性能方面P99延时下降40%，CPU和Memory占用下降50% 增加关系链实时触发召回，业务指标增加3% 设计过滤服务，作为基础服务，万级别QPS延迟1ms 引入粗排模块，在不影响业务指标的约束下，召回模块耗时下降60% location/graph服务内存优化，下降31% 负责整个推荐服务的可用性 负责项目组资源管理，维护项目组物理机资源的合理分配 关系图GNN引入 支持异地多活项目的项目重构；春节活动大流量项目重构

广告重拍模块探索，分成三个阶段： 引入下翻率提升浏览深度，整页预估模型评估最优广告序列， 基于上下文的多坑位校准模型进行广告重排序 定义reward来评价序列好坏，公式中引入用户下翻广告概率。构建下翻率模型，工程上使用 Beam Search方法搜索最优序列。pv提升1.01%，消耗提升1.15% 基于广告和推荐上下文，引入LSTM和Attention结构，构建整页评估模型。在手淘购后和首页 猜你喜欢中的广告动态定坑场景，利用整页评估模型从动态定坑的候选集广告序列中选出最优序 列，离线gauc提升2.1%. 打破广告模板保序限制，利用基于广告和推荐的上下文校准模型对广告pctr进行校准，重新对广 告进行排序，对重拍之后的广告进行计费设计。对该模块进行服务化改造，方便其他业务场景接 入重排模块。首猜RPM+2.11%/CTR+1.30%/ROI+1.54%，购后 RPM+3.84%/CTR+0.90%/ROI+3.35% 搭建部门模型路线在线链路：构建模型迭代与上线流程化流程，方便业务快速接入模型并进行模型 迭代 负责双子星和minidetail业务：作为技术产品经理，确保整个项目正常速度推进，跨部门协调沟 通，基于数据分析，把控迭代方向以及风险点。其中双子星项目ctr +29.6%, rpm +26.2%, roi +23%, 并且对推荐侧没有负向影响。 mini detail 日常迭代维护，消耗日均600w+