直播营收类项目，包括充值、打赏、分成、提现、红包、1V1付费聊天和⻛险控制等一系列核心项目。 在工作期间，主要负责: - 接入国内外主流第三方充值服务10余种;重构整个充值服务，提高充值成功率。 - 优化商城的架构，提高打赏和分成的成功率;并支持更多的消费模式。 - 设计实现红包、1V1付费聊天等新业务功能;通过不断优化红包服务，解决抢红包的高并发问题，优化红包用 户体验。 - 营收类项目的微服务化改造。服务化改造之后，能够支持接入不同APP，对部⻔的其他产品线提供营收类服 务。 - 建立针对各个核心营收业务模块的监控。能够做到实时成功率监控;每日还有订单级别的失败订单汇总。

在线广告投放系统中的核心组件，包括广告选择算法策略框架和执行引擎框架。通过抽象和构建一系列高并 发、高可用的微服务，提供一方广告和程序化广告的选择服务。该引擎的技术特点 - 支持高可用，高并发，低延迟 (15W/s) - 高度抽象，更好的支持扩展不同选择算法，同时支持多种业务场景 - 高度透明，更好的支持Ad Ops理解广告算法行为 - 可扩展，支持对接机器学习算法平台应用不同的个性化优化算法 - 原生支持离线实验和在线AB实验平台，能够快速的支持算法实验 本人作为团队负责人，带领团队从0到1的搭建了这套泛选择引擎。包括不限于， - 跨团队合作，讨论沟通业务边界，制定技术需求，确定接口、SLA等技术细节 - 指导团队成员设计各个微服务架构，决定最终技术选型 - 合理安排资源，识别解决⻛险，保证项目提前高质量交付 - 开发部分核心逻辑

在线广告投放系统中十分重要的基础服务平台，包括模拟广告投放系统行为的仿真平台和支持在线流量分组的AB实验平台。 离线的仿真平台能通过回放历史的请求，能够仿真历史上任何一段时间内广告系统的行为。主要应用在理解解决疑难问题、新算法效果验证等方向。该系统的技术特点 - 高精度的仿真，基本1比1还原了生产环境的在线广告投放系统，投放效果误差在千分之几 - 低成本，支持数据蒸馏，同时支持时间加速，最少可以仅用1%的资源拟合线上全量系统的结果 - 完整的生态，构建了包括实验元信息管理、运行时资源管理、定制版的微服务基础架构等众多子系统 - 对业务代码友好，支持非侵入性的集成接入 AB实验平台通过切分用户流量，在线上系统进行分组实验。该系统的技术特点 - 支持流量复用，按层切分，通层之间流量互斥，不同层之间可以复用 - 对业务代码友好，支持非侵入性的集成接入 本人作为团队负责人，带领团队从0到1的搭建了这套广告实验平台。包括不限于， - 制定项目整体的规划，设计项目整体架构，确定技术选型 - 跨团队合作，讨论沟通业务边界，制定技术需求，确定接口、SLA等技术细节 - 指导团队成员设计子系统架构 - 合理安排资源，识别解决⻛险，保证项目高质量迭代 - 独立开发第一版仿真平台