数据备份

功能模块：运行数据导入，数据图形化，数据分析（Morris，Sobol分析法），分析结果图像化 负责：该程序由本人独立完成

由于我是全媒体联络中心的技术从业者，所服务用户会面临从本地到云上转型，很多数据需要做同步迁移的困难，因此写了一些简单的小工具供其使用。 程序涉及技术：Python、Docker、Requests、加解密 程序功能模块：数据爬取模块（负责提取数据）、数据处理模块（负责数据加工生产辅助数据）、数据上传模块（可以选择对应云存储上传同步数据 aws s3、ali oss、webdav）、数据记录模块（记录上传失败的数据记录，下次可断点续传）。

1、客户管理系统是为解决企业在多个系统中分散的客户数据问题而开发的，对客户数据进行盘点，形成数据地图，帮助数据开发者与使用者了解客户数据，并对客户数据资产进行有效监控。 2、系统通过打通预约、订单、his、体检等多个系统，汇聚清洗出五万多客户数据，并将客户消费、规划、消耗、资产进行关联统计，实现客户、店铺、市场等标签化管理 3、产品架构主要包括客户订单管理、客户资产管理、客户行程管理、客户标签管理、多维度数据统计等

1.应用阿里云：WAF防火墙透明接入SLB负载均衡拦截异常访问，后端双节点高可用部署，通过SLS日志服务：对SLB的日志分析接口响应时长警告、后端应用错误日志告警、进程异常或宕机自动重启并告警，云监控ECS实例性能使用状态告警，数据库通过SQL审计：SQL注入、慢SQL等进行风险评估，以上警告分析后优化，保障安全和故障快速响应，并配置弹性扩展，保障用户使用体验； 2.上线发布使用Gitlab+Jenkins+shell自动化打包部署，同时使用openVPN+Jumpserver进行资产安全管理； 3.完成项目三级等保测评；

负责多个大型软件项目的管理，负责项目的投标方案、技术方案、解决方案的编写，主要是数据处理、物联网、数据采集、时序数据库方面的方案编写，以及船舶领域的整个集成系统的设计等。

图纸资料是交通运输产业重要的资产之一，当前工程中的图纸资料基本交由第三方资料管理公司管理，但由于各第三方资料管理公司管理办法不同，导致各工程图纸版本未能有序归档，影响后续查阅利用，并且由于第三方资料管理公司管理周期较短，导致在项目结束后，图纸资料被束之高阁，不利于图纸资源的积累，第三方资料管理公司对图纸管理过程中未对图纸密级进行管控，因此未按密级进行区分管理，重要图纸信息则有泄露风险。在本项目中实施图纸管理系统，搭建起图纸全生命周期管理平台，对工程建设过程中的各类图纸进行科学化、标准化及安全化管理。

项目主要采用wordpress的模版建站方案，利用LAMP全家桶完成企业门户网站定制搭建。主要功能模块为门户信息展示、企业工单、公司人员介绍、地图导航等。本网站的技术难点主要在于对外部黑客攻击的防范，由于定期会出现各类黑客攻击以及wordpress本身很多组件的安全隐患，项目团队针对各类场景做了安全加固、传输加密以及数据备份等策略。

产品链接：https://zhaoyu.cqqsonline.com 曌宇学习平台主要用作道路运输安全知识学习，平台通过上传相关道路运输安全知识视频或者文档，驾驶员通过平台登录学习

 项目描述： 为机构用户提供CMAPH期刊服务平台下所有期刊资源的在线阅读，并通过统一标准化的资源接口服务实现资源的开放、共享，为第三方知识发现系统提供可控、无缝的全文阅读。分为中华医学全文数据库搜索引擎、合作商管理后台、数据库管理后台、资源库镜像服务版、资源库镜像后台管理几个系统。  项目使用技术： Springcloud + mysql+ mybatis + RabbitMQ + elasticsearch + vue + redis  项目职责  与客户讨论确定项目需求  数据表的设计创建  负责项目框架搭建、mysql主从搭建、reids搭建  中华医学全文数据库搜索引擎系统的api接口实现vue页面交互的逻辑实现  数据库管理后台、资源库镜像后台管理的代码实现  编写项目所需文档  项目后期的迭代、bug修改、功能维护等

功能模块与用户功能实现： 课程管理模块：教务人员可以添加、修改课程信息，安排课程时间表；教师和学生能够查看课程安排和进行选课操作。 教师管理模块：教务管理员负责维护教师档案，包括基本信息和授课记录；教师可更新个人资料。 学生管理模块：管理学生课时、考勤、学情评价等信息；学生可查看自己的考勤和学情评价 系统管理模块：系统管理员负责系统配置、用户权限设置、数据备份与恢复，保障系统安全稳定运行。 负责任务与技术栈成果： 负责任务：我负责实现机构管理模块和学生管理模块的前后端开发工作，包括功能设计、界面实现和数据库交互。 技术栈：前端采用Vue.js框架，利用其响应式和组件化特性构建用户界面；后端使用Java技术栈。 成果：开发出一个响应迅速、用户体验良好的教务教学管理系统，实现了教务教学的高效管理。 难点与解决方案： 难点：确保系统在高并发访问下的稳定性和响应速度。 解决方案：通过实施缓存策略和数据库查询优化，减轻数据库压力。同时，对系统进行性能测试，根据测试结果进行优化，确保系统在用户量激增时仍能保持稳定运行。

统计分析： t检验和ANOVA：比较多个样本组之间的差异。 非参数检验：如Wilcoxon秩和检验，用于非正态分布的数据。 多重检验校正：如Bonferroni校正和Benjamini-Hochberg方法，用于控制假阳性率。 基因表达分析： DESeq2和edgeR：用于RNA-Seq数据的差异表达分析。 limma：用于微阵列数据和RNA-Seq数据的线性模型分析。 变异检测： GATK和SAMtools：用于高通量测序数据的变异检测和注释。 VCFtools：用于处理和分析VCF格式的变异数据。 基因功能富集分析： GO（Gene Ontology）分析：用于分析基因功能分类。 KEGG：用于代谢通路分析。 DAVID和Enrichr：用于基因集富集分析。

单人做完整个系统，该系统分为门类服务和仓库服务。其中包括门类管理，类别管理、元数据、四性检测、eep包上传下载生成、库房管理、档案入库出库、档案借阅鉴定工作流。

1.该项目分为用户登录管理、定时任务分发等模块,让运维人员轻松应对工作; 2.该项目为前后端分离，服务端使用了 Golang 高性能框架, web前端使用了 Angular 18 框架。使项目轻快流畅; 3.该项目使用了分布式定时任务管理，巧妙地解决了服务器时钟容差问题。支持秒级定时任务。

在该项目中，AWR 报告发挥了重要作用。它具备多个功能模块，能为使用者提供以下功能： 1. 监控数据库性能，及时发现潜在问题。 2. 分析数据，为优化提供依据。 我负责的任务包括： 1. 收集与分析报告数据。 2. 解决性能问题。 3. 优化数据库相关配置。 4. 确保数据库的稳定运行。 运用的技术有： 1. Oracle SQL Developer 进行数据库操作。 2. 借助 AWR 报告监控分析。 3. 使用 SQL 调优提升性能。 通过努力，最终达成以下成果： 1. 显著缩短查询时间。 2. 有效解决内存泄漏问题。 3. 成功提升数据库性能与稳定性。 在项目过程中，面临的难点主要是查询语句优化和内存泄漏问题。经过不断尝试和学习，找到了可行的解决办法

1、使用MVVM架构设计，集成自主设计的通讯协议 2、前后端分离架构设计，软件易于维护 3、使用LightningChart控件，数据显示速度更快。 4、参数的保存和恢复，完善的异常处理机制

平安证券智能机器人IM系统 证券im系统与银行im系统有些不同，银行IM系统主要保证用户与坐席之间文字聊天。 但是证券系统需要实时显示股票实时走线图。需要收发大量的数据，同时还要保证数据的及时性。 在整个系统中使用了websocket技术保证数据的实时性，使用nas缓存保证大数据的交互。 同时使用mqs来保证负载均衡，不会因为多个大消息进入单个服务器导致内存溢出。同时使用主键+缓存方式消减大消息的情况。

React & Node、MongoDB 项目。我的角色是全栈开发人员。使用 React Bootstrap 构建 React 页面和可重用组件，并使用 Node Express 框架和 Rest APIs。 面临非常复杂的交易策略和大数据处理。虚拟货币交易网络服务 React-redux、react-saga、react-hooks、rest api、第三方 api、Jest 单元测试、Typescript、GraphQL

主要oracle数据库运维经验，熟悉以下系统运维： Linux、AIX、HP-UNIX 操作系统，熟悉 shell 语言； ORACLE数据库管理，备份恢复升级，以及调优； ORACLE高可用技术，RAC、DG、OGG 维护； 熟悉 MySQL 数据库运行机制，安装配置以及运维管理； 熟悉 MGR ，主从运行原理，备份恢复，调优，故障诊断等； 另外擅长： windows、linux、oracle、mysql、pg数据恢复

5G核心网采用服务化架构，将控制面功能简化和抽象为多个网络功能（Network Function，以下简称NF），如接入和移动性管理由AMF这个NF负责，会话管理由SMF这个NF负责，每个NF可以部署很多种能力，这些能力就是NFS（Netword Function Service）NRF负责NF/NFS的自动注册，更新，去注册，自动发现，选择。

hadoop 系列 hdfs、hive、hbase 数据文件处理 用python编写 使用rocksdb、grpc、mysql 等相关技术 难点在于，hadoop数据量大，数据处理的准确性、效率