上海基础架构数据中台AIOps
1月前来过
全职 · 2000/日  ·  43500/月
工作时间: 工作日20:00-23:00、周末13:00-20:00工作地点: 远程
服务企业: 0家累计提交: 0工时
聊一聊

使用APP扫码聊一聊

个人介绍

10年Java和Spring Boot,Springcloud开发经验和3年以上开发团队管理经验。从0到1的产品设计,对数据中台,基础架构有丰富成熟的经验从0到1设计开发数据中台、数据清洗ETL,智能监控和算法平台的设计和架构经验对中间件有深入研究和开发(ElasticSearch,Clickhouse,Hbase,Redis,Kafka,Rabbitmq,ELK等)有大数据相关开发和架构经验(Hadoop,Spark,Flink,Ray等)从0到1落地CI/CD,DevOps平台独自开发过新语言SPL,手写过分布式文件存储系统,改造过ElasticSearch7.*源码

工作经历 和TA聊聊

APP扫码和程序员直接沟通

  • 该用户选择隐藏工作经历信息,如需查看详细信息,可点击右上角“和TA聊一聊”查看

教育经历 和TA聊聊

APP扫码和程序员直接沟通

  • 该用户选择隐藏教育经历信息,如需查看详细信息,可点击右上角“和TA聊一聊”查看

技能

Kafka
ElasticSearch
Docker
Redis
SpringCloud
MySQL
系统架构
系统架构
监控
0
1
2
3
4
5
0
1
2
3
4
5
作品
流量监控分析平台

1. 前端埋点:通过前端埋点技术,收集用户行为信息,包括页面访问、事件触发等。 2. 流量日志收集:建立流量日志收集系统,将用户行为信息进行统一收集和存储。 3. 日志流量分析:基于收集的日志数据进行流量分析,包括页面访问分析、事件分析、用户分析、漏斗分析、活动分析和用户画像等。 4. 流量管理后台:提供流量管理后台,包括业务接入、图表展示、分析结果和优化方案等功能。 使用技术和工具: ● 编程语言和框架:Java, Spring Boot。 ● 数据库和存储:GreenPlumDB和ElasticSearch用于数据存储和查询。 ● 缓存和消息队列:Redis用于缓存数据,Kafka用于实时数据传输和处理。 ● 大数据处理:Spark用于大规模数据处理和分析。 ● 日志分析和搜索:ElasticSearch用于日志数据的分析和搜索。

0
2023-07-23 16:52
kafka集群消息队列平台

核心开发人员,我参与了Kafka消息队列平台的架构设计、开发和测试工作。该平台为公司提供了可靠的基于消息的异步通信服务,实现了不同应用之间的消息收发,降低了开发成本,便于维护。底层系统根据业务需求,实现了消息队列的弹性扩展,对上层业务无感知。 项目职责和功能模块: 1. 集群扩展和底层包封装:设计和实现了集群的弹性扩展机制,根据业务需求调整消息队列的队列数量和存储容量,并封装了底层包,简化上层业务的开发工作。 2. 集群指标收集和预警通知:实现了集群指标的收集和监控,通过健康检查和预警通知功能,保证集群的稳定运行。 3. 用户接入和管理中心:设计和实现了用户申请接入流程,包括系统审核和分配APPID。同时开发了管理中心,提供集群状态查看、topic管理、集群灾备管理等功能。 4. 数据收集和分析展示:收集用户连接数据、消息流量数据和消费记录,并提供数据分析和展示,包括集群JMX指标展示、topic历史消息展示和用户数据分析展示。 5. 堆积报警和健康检查:实现了消息堆积的报警功能,并通过健康检查保证集群的健康状态。 使用技术和工具: ● 编程语言和框架:Java, Spring Boot, MyBatis, Quartz, Kafka。 ● 缓存:Redis用于缓存数据。 ● 数据库:使用MySQL和Elasticsearch进行数据存储和查询。 ● 可视化展示:使用Echarts和Grafana实现数据的可视化展示。

0
2023-07-23 16:13
AI智能监控平台

AI智能监控平台:可采集和接入多种数据源并支持海量数据清洗,数据处理和复杂系统架构,具备多维度规则组合AI智能告警管理、灵活通知分派和查询分析可视化告警等功能,旨在帮助运维人员更快速、更准确地定位和解决问题,提高业务稳定性和运维效率。 项目职责: 我负责项目的整体产品设计,架构设计、开发和交付工作,确保项目的顺利实施和成功交付。 功能模块: ● 数据采集:从客户各种监控源中获取监控数据,并将其存储到数据中心。 ● 数据清洗和预处理:对采集的监控数据进行清洗和预处理,包括异常数据去除和缺失值填充,以便后续处理和分析。 ● 数据整合和管理:通过ETL过程将数据整合并进行管理,构建统一的CMDB,并建立和管理不同业务系统的拓扑关系。 ● 指标提取和特征工程:根据客户需求和业务特点,从监控数据中提取有意义的指标,并进行特征工程,为后续的异常检测做准备。 ● AI异常检测:对提取的指标进行模型训练和异常检测,识别异常行为和潜在故障,并保存指标异常检测结果。 ● 告警触发:基于异常指标和预设的告警规则组合,触发告警通知相关人员进行处理。 ● 数据可视化和分析:将监控数据进行可视化,以便客户进行数据分析和监控效果评估。 使用技术: java,springboot,springcloud,xxl-job,clickhouse,ElasticSearch,filebeat,flink,Ray,kafka zookeeper,hadoop,hdfs

0
2023-07-22 23:35
更新于: 2023-07-23 浏览: 213