游戏

基于cocos creator游戏引擎开发的儿童教育产品； 前期主要负责前端框架搭建，通用组建实现； 后期负责需求拆分，以及框架和组建维护；

2016-2018从事休闲游戏独立研发、网游捕鱼App开发负责前端，； 2018-2020从事教育游戏App开发负责部分模块； 2020-至今从事h5游戏开发

此项目是我一个人完成，题目要求生成一个100以内的数字，可以使用“QTime”中的qrand()函数来生成随机数num1，然后使用qsrand(QTime::currentTime().msec())来根据时间生成不同的随机数。 Ui界面中设计有一个开始游戏的按钮，当用户按下按钮是，就会生成随机数，并且猜测次数重置，重新变为8。 然后运用QT中的QLineEdit类获取用户输入的随机数，然后与系统生成的随机数进行判断，如果为输入或输入的类型不对，则会要求用户重新输入。 由于猜数字有8次机会，因此定义一个整型num来计算用户剩余的次数，初始num值为8，每猜错一次，减一次，在次数为零的时候，结束游戏。 在游戏进行时，有一个按钮显示答案按钮，当按下这个按钮时，就会显示正确答案，并且将回答次数重新变为八次，使用户重新开始游戏 结束游戏时，输出正确结果。

一款游戏与线下商店的结合的页游,as3开发，本人任主程，地图编辑器，动画编辑器，底层框架搭建，战斗开发,erlang开发服务器。

1、一个用于摆放小型正方形的平面虚拟场地，其标准大小：行宽为10，列高为20，以每个小正方形为单位。2、一组由4个小型正方形组成的规则图形，英文称为Tetromino，中文通称为方块共有6种，分别以S、Z、L、I、O、T这6个字母的形状来命名。 I：一次最多消除四层L（左右）：最多消除三层，或消除二层O：消除一至二层S（左右）：最多二层，容易造成孔洞Z（左右）：最多二层，容易造成孔洞T：最多二层

首先我们从市场背景进行切入。 随着元宇宙进入发展快车道，虚拟经济中的金融风险传导速度也不断加快。近年来，NFT交易量增长迅速，“NFT天价”的新闻也不断涌现，这背后反映的则是各类市场投机行为的产生。 在目前的NFT交易市场中，NFT商品的市值难以确定是第一大痛点，其唯一性和稀有性引发了巨大炒作空间；其次，由于NFT交易是洗钱等犯罪活动的多发地，玩家难以识别用户是否存在割韭菜、诈骗等行为，因此参与交易的用户信用难以评估；同时，区块链匿名性特征使得用户身份难以识别，我们难以追溯用户现实行为。 为了应对这些问题，我们团队设计出了NFT价值评估、NFT交易价格预测和可疑交易与异常用户识别三大模型，为区块链游戏玩家提供交易风险评估服务，保障广大游戏玩家的消费权益。 经过团队的反复讨论设计与打磨，我们构建出了NFT估噜这样一个以交易风险控制为导向，提供NFT估值和交易风险评估的中介服务平台。每一个期望进行NFT游戏资产交易的玩家，都可以在该平台上实现NFT的筛选浏览、上传挂售、价值评估预测以及交易风险评估等功能，并根据平台评估结果，做出正确合理的交易决策。 NFT估噜的核心功能分为NFT价值评估预测和用户风险评级两大模块 首先，我们结合多元回归以及主成分分析方法，对每个特定游戏中的NFT商品建立估值模型，从商品本身属性角度计算出它的合理价值区间，再结合灰色预测方法，综合历史交易价格变化趋势，预测出NFT商品的合理价格范围。用户可以参考估值和预测结果，避免溢价炒作风险。 用户风险评级模块我们采用模糊综合评价方法，根据用户信息、交易对手等多种数据，给出该用户是否存在交易风险及洗钱嫌疑的风险评级。 通过该级，用户可以对可疑卖方进行判别，同时花旗也可以根据我们平台的数据对高风险用户进行标记和筛选。 从技术实现上来看，为进行上述几种模型的训练，我们首先收集某一游戏内NFT的各项属性和价格等数据，并进行分类统计。对于NFT卖家用户的个人信息，我们利用区块链平台公开API，根据钱包地址检索其历史交易频率等数据。 在模型一里，我们利用搜集到的各项数据，结合主成分分析与多元回归方法，训练得到NFT属性与其实际价格之间的关系模型。其中，PCA降维，也就是主成分分析，可以将各种商品属性组合产生的价值效应充分地纳入到我们的评估体系。 以迷恋猫这一游戏为例，我们在统计其16万余条在售商品数据后进行模型训练，用2000条实际数据对模型精度进行测试，得到较好的模型拟合效果，这得益于我们对游戏内NFT属性设定的针对性考量。模型最终也具备了属性特征全覆盖、模型效果强稳健、内在相关稳排除的优势特点。 对于模型二 NFT价格的预测，我们在获取NFT的tokenid之后，利用etherscan的区块链统计数据接口返回其历史交易数据，综合运用三种灰色预测模型，根据该商品近6次的交易数据预测其未来价格及走向。 灰色预测模型的优势在于，它在部分NFT历史交易数据匮乏的情况下，仍能充分利用现有数据做出较为精准的短期预测。同时，灰色系统能够囊括主观审美改变、媒体舆论环境等不可控因素对商品价格的影响，使得预测结果更加可信。 在模型三用户可疑度识别模型中，我们根据NFT市场的现有交易数据及用户习惯，选取了与可疑度关系较为密切的20余种定量评判指标，如交易频率，交易金额等。利用层次分析法确定每个指标对用户可疑度的影响权重后，我们构建了模糊综合评价衡量体系， 将用户划分为三种类型，即可疑、较为可疑与不可疑。最后我们利用区块链API获取的用户数据，代入模型得到三种识别结果的隶属度，并将可疑等级判定结果呈现给买家用户，辅助其进行交易决策。 围绕上面这三个模型，我们团队搭建起了NFT估噜的Web平台，我们采用前后端分离的开发模式，使用java，python，vue等多种语言进行开发，在完成Web端Demo的同时，也为未来拓展app、小程序等多端用户打下基础；此外，我们对后端微服务进行了拆分，并使用Docker和kubernetes【k8s】进行云原生容器化部署，可以随时根据网站流量进行灵活的动态扩容，具备高可用、高稳定、高并发的优势和特点。 完成了技术部署后，我们也打造了一个较为清晰的业务模式。我们将NFT估噜定位于NFT产业链应用层的二级市场，是一个针对游戏领域的NFT交易辅助平台。我们利用创新模型和高资质合作伙伴等特点吸引游戏平台入驻，他们在此能得到商品的有效评估和游戏的进一步宣传。同时，我们给用户提供交易风险评估、交易决策参考的服务，并通过开发周边服务，打造多平台入口和社区营销引流提高用户覆盖率。 依托于NFT估噜，一方面，花旗可以获得NFT热度、稀有性等价值信息，利用模型对其估值，成为可信任的估值和评估机构，也可以构建类似指数基金的NFT资产组合，为投资者提供咨询建议。另一方面，花旗可以获得大量用户的NFT交易信息，从中筛选优质客户，辨别可疑用户，在本身规避潜在信用风险的同时向信用评估领域发展，为NFT市场监管作出贡献。相互地，我们可以背靠花旗这样受到高度信任的金融机构，快速推广占领市场。 从盈利模式来看，平台将通过佣金分成、增值服务、流量变现、收费服务和其他方式来获取利润。其中佣金分成是基础收入模式，面向会员的增值服务和平台的广告引流服务是主要附加收入模式。 综合之前所述，我们平台的创新点主要在于：在业务模式上搭建第三方平台为NFT交易降低风险，让多个利益相关方有利可图，在技术模式上拥有原创模型，且针对不同游戏进行个性化迭代，保证模型精准度。 对比国内外相关竞品，盯链及openSea，我们发现二者虽然进行了很好的信息搜集工作，但均未有效利用NFT信息数据，从中提取并转化成用户能直接接受的交易建议。而我们平台针对游戏NFT这一垂直细分领域，进行数据提炼分析，得到更精准的评估结果，并通过“交易价格预测”、“用户可疑度”等指标为玩家提供直观呈现。 同时，与链游内部直接交易或衍生交易网站相比，这里以RadioCaca Market为例，我们平台为用户提供了更多历史价格、风险指数等多种在游戏内部交易中不具备的增量信息，并且集合了多种游戏的NFT资产，在信息集成度上更有优势。 综上所述，我们通过构建以上三种高精度与强针对性的核心技术模型，以控制风险为导向，搭建第三方平台来辅助游戏内NFT交易，解决了NFT实际价值难以确定、用户信用难以评估及身份难以识别三大难题。同时为链游开发商提供了自我宣传的渠道，帮助花旗银行等金融机构打造了新的吸引用户的场景和机会。 未来，我们将不断进行模型优化与迭代，完善平台社交分享等多元功能，在成熟后将业务领域从游戏NFT拓展到其他各类NFT，开放范围更广的模型体系。另外，我们将根据国内外监管制度的不同，设立双版本运行模式，在国内专注于数字藏品平台，因地制宜提供服务。

首先我们从市场背景进行切入。 随着元宇宙进入发展快车道，虚拟经济中的金融风险传导速度也不断加快。近年来，NFT交易量增长迅速，“NFT天价”的新闻也不断涌现，这背后反映的则是各类市场投机行为的产生。 在目前的NFT交易市场中，NFT商品的市值难以确定是第一大痛点，其唯一性和稀有性引发了巨大炒作空间；其次，由于NFT交易是洗钱等犯罪活动的多发地，玩家难以识别用户是否存在割韭菜、诈骗等行为，因此参与交易的用户信用难以评估；同时，区块链匿名性特征使得用户身份难以识别，我们难以追溯用户现实行为。 为了应对这些问题，我们团队设计出了NFT价值评估、NFT交易价格预测和可疑交易与异常用户识别三大模型，为区块链游戏玩家提供交易风险评估服务，保障广大游戏玩家的消费权益。 经过团队的反复讨论设计与打磨，我们构建出了NFT估噜这样一个以交易风险控制为导向，提供NFT估值和交易风险评估的中介服务平台。每一个期望进行NFT游戏资产交易的玩家，都可以在该平台上实现NFT的筛选浏览、上传挂售、价值评估预测以及交易风险评估等功能，并根据平台评估结果，做出正确合理的交易决策。 NFT估噜的核心功能分为NFT价值评估预测和用户风险评级两大模块 首先，我们结合多元回归以及主成分分析方法，对每个特定游戏中的NFT商品建立估值模型，从商品本身属性角度计算出它的合理价值区间，再结合灰色预测方法，综合历史交易价格变化趋势，预测出NFT商品的合理价格范围。用户可以参考估值和预测结果，避免溢价炒作风险。 用户风险评级模块我们采用模糊综合评价方法，根据用户信息、交易对手等多种数据，给出该用户是否存在交易风险及洗钱嫌疑的风险评级。 通过该级，用户可以对可疑卖方进行判别，同时花旗也可以根据我们平台的数据对高风险用户进行标记和筛选。 从技术实现上来看，为进行上述几种模型的训练，我们首先收集某一游戏内NFT的各项属性和价格等数据，并进行分类统计。对于NFT卖家用户的个人信息，我们利用区块链平台公开API，根据钱包地址检索其历史交易频率等数据。 在模型一里，我们利用搜集到的各项数据，结合主成分分析与多元回归方法，训练得到NFT属性与其实际价格之间的关系模型。其中，PCA降维，也就是主成分分析，可以将各种商品属性组合产生的价值效应充分地纳入到我们的评估体系。 以迷恋猫这一游戏为例，我们在统计其16万余条在售商品数据后进行模型训练，用2000条实际数据对模型精度进行测试，得到较好的模型拟合效果，这得益于我们对游戏内NFT属性设定的针对性考量。模型最终也具备了属性特征全覆盖、模型效果强稳健、内在相关稳排除的优势特点。 对于模型二 NFT价格的预测，我们在获取NFT的tokenid之后，利用etherscan的区块链统计数据接口返回其历史交易数据，综合运用三种灰色预测模型，根据该商品近6次的交易数据预测其未来价格及走向。 灰色预测模型的优势在于，它在部分NFT历史交易数据匮乏的情况下，仍能充分利用现有数据做出较为精准的短期预测。同时，灰色系统能够囊括主观审美改变、媒体舆论环境等不可控因素对商品价格的影响，使得预测结果更加可信。 在模型三用户可疑度识别模型中，我们根据NFT市场的现有交易数据及用户习惯，选取了与可疑度关系较为密切的20余种定量评判指标，如交易频率，交易金额等。利用层次分析法确定每个指标对用户可疑度的影响权重后，我们构建了模糊综合评价衡量体系， 将用户划分为三种类型，即可疑、较为可疑与不可疑。最后我们利用区块链API获取的用户数据，代入模型得到三种识别结果的隶属度，并将可疑等级判定结果呈现给买家用户，辅助其进行交易决策。 围绕上面这三个模型，我们团队搭建起了NFT估噜的Web平台，我们采用前后端分离的开发模式，使用java，python，vue等多种语言进行开发，在完成Web端Demo的同时，也为未来拓展app、小程序等多端用户打下基础；此外，我们对后端微服务进行了拆分，并使用Docker和kubernetes【k8s】进行云原生容器化部署，可以随时根据网站流量进行灵活的动态扩容，具备高可用、高稳定、高并发的优势和特点。 完成了技术部署后，我们也打造了一个较为清晰的业务模式。我们将NFT估噜定位于NFT产业链应用层的二级市场，是一个针对游戏领域的NFT交易辅助平台。我们利用创新模型和高资质合作伙伴等特点吸引游戏平台入驻，他们在此能得到商品的有效评估和游戏的进一步宣传。同时，我们给用户提供交易风险评估、交易决策参考的服务，并通过开发周边服务，打造多平台入口和社区营销引流提高用户覆盖率。 依托于NFT估噜，一方面，花旗可以获得NFT热度、稀有性等价值信息，利用模型对其估值，成为可信任的估值和评估机构，也可以构建类似指数基金的NFT资产组合，为投资者提供咨询建议。另一方面，花旗可以获得大量用户的NFT交易信息，从中筛选优质客户，辨别可疑用户，在本身规避潜在信用风险的同时向信用评估领域发展，为NFT市场监管作出贡献。相互地，我们可以背靠花旗这样受到高度信任的金融机构，快速推广占领市场。 从盈利模式来看，平台将通过佣金分成、增值服务、流量变现、收费服务和其他方式来获取利润。其中佣金分成是基础收入模式，面向会员的增值服务和平台的广告引流服务是主要附加收入模式。 综合之前所述，我们平台的创新点主要在于：在业务模式上搭建第三方平台为NFT交易降低风险，让多个利益相关方有利可图，在技术模式上拥有原创模型，且针对不同游戏进行个性化迭代，保证模型精准度。 对比国内外相关竞品，盯链及openSea，我们发现二者虽然进行了很好的信息搜集工作，但均未有效利用NFT信息数据，从中提取并转化成用户能直接接受的交易建议。而我们平台针对游戏NFT这一垂直细分领域，进行数据提炼分析，得到更精准的评估结果，并通过“交易价格预测”、“用户可疑度”等指标为玩家提供直观呈现。 同时，与链游内部直接交易或衍生交易网站相比，这里以RadioCaca Market为例，我们平台为用户提供了更多历史价格、风险指数等多种在游戏内部交易中不具备的增量信息，并且集合了多种游戏的NFT资产，在信息集成度上更有优势。 综上所述，我们通过构建以上三种高精度与强针对性的核心技术模型，以控制风险为导向，搭建第三方平台来辅助游戏内NFT交易，解决了NFT实际价值难以确定、用户信用难以评估及身份难以识别三大难题。同时为链游开发商提供了自我宣传的渠道，帮助花旗银行等金融机构打造了新的吸引用户的场景和机会。 未来，我们将不断进行模型优化与迭代，完善平台社交分享等多元功能，在成熟后将业务领域从游戏NFT拓展到其他各类NFT，开放范围更广的模型体系。另外，我们将根据国内外监管制度的不同，设立双版本运行模式，在国内专注于数字藏品平台，因地制宜提供服务。

首先我们从市场背景进行切入。 随着元宇宙进入发展快车道，虚拟经济中的金融风险传导速度也不断加快。近年来，NFT交易量增长迅速，“NFT天价”的新闻也不断涌现，这背后反映的则是各类市场投机行为的产生。 在目前的NFT交易市场中，NFT商品的市值难以确定是第一大痛点，其唯一性和稀有性引发了巨大炒作空间；其次，由于NFT交易是洗钱等犯罪活动的多发地，玩家难以识别用户是否存在割韭菜、诈骗等行为，因此参与交易的用户信用难以评估；同时，区块链匿名性特征使得用户身份难以识别，我们难以追溯用户现实行为。 为了应对这些问题，我们团队设计出了NFT价值评估、NFT交易价格预测和可疑交易与异常用户识别三大模型，为区块链游戏玩家提供交易风险评估服务，保障广大游戏玩家的消费权益。 经过团队的反复讨论设计与打磨，我们构建出了NFT估噜这样一个以交易风险控制为导向，提供NFT估值和交易风险评估的中介服务平台。每一个期望进行NFT游戏资产交易的玩家，都可以在该平台上实现NFT的筛选浏览、上传挂售、价值评估预测以及交易风险评估等功能，并根据平台评估结果，做出正确合理的交易决策。 NFT估噜的核心功能分为NFT价值评估预测和用户风险评级两大模块 首先，我们结合多元回归以及主成分分析方法，对每个特定游戏中的NFT商品建立估值模型，从商品本身属性角度计算出它的合理价值区间，再结合灰色预测方法，综合历史交易价格变化趋势，预测出NFT商品的合理价格范围。用户可以参考估值和预测结果，避免溢价炒作风险。 用户风险评级模块我们采用模糊综合评价方法，根据用户信息、交易对手等多种数据，给出该用户是否存在交易风险及洗钱嫌疑的风险评级。 通过该级，用户可以对可疑卖方进行判别，同时花旗也可以根据我们平台的数据对高风险用户进行标记和筛选。 从技术实现上来看，为进行上述几种模型的训练，我们首先收集某一游戏内NFT的各项属性和价格等数据，并进行分类统计。对于NFT卖家用户的个人信息，我们利用区块链平台公开API，根据钱包地址检索其历史交易频率等数据。 在模型一里，我们利用搜集到的各项数据，结合主成分分析与多元回归方法，训练得到NFT属性与其实际价格之间的关系模型。其中，PCA降维，也就是主成分分析，可以将各种商品属性组合产生的价值效应充分地纳入到我们的评估体系。 以迷恋猫这一游戏为例，我们在统计其16万余条在售商品数据后进行模型训练，用2000条实际数据对模型精度进行测试，得到较好的模型拟合效果，这得益于我们对游戏内NFT属性设定的针对性考量。模型最终也具备了属性特征全覆盖、模型效果强稳健、内在相关稳排除的优势特点。 对于模型二 NFT价格的预测，我们在获取NFT的tokenid之后，利用etherscan的区块链统计数据接口返回其历史交易数据，综合运用三种灰色预测模型，根据该商品近6次的交易数据预测其未来价格及走向。 灰色预测模型的优势在于，它在部分NFT历史交易数据匮乏的情况下，仍能充分利用现有数据做出较为精准的短期预测。同时，灰色系统能够囊括主观审美改变、媒体舆论环境等不可控因素对商品价格的影响，使得预测结果更加可信。 在模型三用户可疑度识别模型中，我们根据NFT市场的现有交易数据及用户习惯，选取了与可疑度关系较为密切的20余种定量评判指标，如交易频率，交易金额等。利用层次分析法确定每个指标对用户可疑度的影响权重后，我们构建了模糊综合评价衡量体系， 将用户划分为三种类型，即可疑、较为可疑与不可疑。最后我们利用区块链API获取的用户数据，代入模型得到三种识别结果的隶属度，并将可疑等级判定结果呈现给买家用户，辅助其进行交易决策。 围绕上面这三个模型，我们团队搭建起了NFT估噜的Web平台，我们采用前后端分离的开发模式，使用java，python，vue等多种语言进行开发，在完成Web端Demo的同时，也为未来拓展app、小程序等多端用户打下基础；此外，我们对后端微服务进行了拆分，并使用Docker和kubernetes【k8s】进行云原生容器化部署，可以随时根据网站流量进行灵活的动态扩容，具备高可用、高稳定、高并发的优势和特点。 完成了技术部署后，我们也打造了一个较为清晰的业务模式。我们将NFT估噜定位于NFT产业链应用层的二级市场，是一个针对游戏领域的NFT交易辅助平台。我们利用创新模型和高资质合作伙伴等特点吸引游戏平台入驻，他们在此能得到商品的有效评估和游戏的进一步宣传。同时，我们给用户提供交易风险评估、交易决策参考的服务，并通过开发周边服务，打造多平台入口和社区营销引流提高用户覆盖率。 依托于NFT估噜，一方面，花旗可以获得NFT热度、稀有性等价值信息，利用模型对其估值，成为可信任的估值和评估机构，也可以构建类似指数基金的NFT资产组合，为投资者提供咨询建议。另一方面，花旗可以获得大量用户的NFT交易信息，从中筛选优质客户，辨别可疑用户，在本身规避潜在信用风险的同时向信用评估领域发展，为NFT市场监管作出贡献。相互地，我们可以背靠花旗这样受到高度信任的金融机构，快速推广占领市场。 从盈利模式来看，平台将通过佣金分成、增值服务、流量变现、收费服务和其他方式来获取利润。其中佣金分成是基础收入模式，面向会员的增值服务和平台的广告引流服务是主要附加收入模式。 综合之前所述，我们平台的创新点主要在于：在业务模式上搭建第三方平台为NFT交易降低风险，让多个利益相关方有利可图，在技术模式上拥有原创模型，且针对不同游戏进行个性化迭代，保证模型精准度。 对比国内外相关竞品，盯链及openSea，我们发现二者虽然进行了很好的信息搜集工作，但均未有效利用NFT信息数据，从中提取并转化成用户能直接接受的交易建议。而我们平台针对游戏NFT这一垂直细分领域，进行数据提炼分析，得到更精准的评估结果，并通过“交易价格预测”、“用户可疑度”等指标为玩家提供直观呈现。 同时，与链游内部直接交易或衍生交易网站相比，这里以RadioCaca Market为例，我们平台为用户提供了更多历史价格、风险指数等多种在游戏内部交易中不具备的增量信息，并且集合了多种游戏的NFT资产，在信息集成度上更有优势。 综上所述，我们通过构建以上三种高精度与强针对性的核心技术模型，以控制风险为导向，搭建第三方平台来辅助游戏内NFT交易，解决了NFT实际价值难以确定、用户信用难以评估及身份难以识别三大难题。同时为链游开发商提供了自我宣传的渠道，帮助花旗银行等金融机构打造了新的吸引用户的场景和机会。 未来，我们将不断进行模型优化与迭代，完善平台社交分享等多元功能，在成熟后将业务领域从游戏NFT拓展到其他各类NFT，开放范围更广的模型体系。另外，我们将根据国内外监管制度的不同，设立双版本运行模式，在国内专注于数字藏品平台，因地制宜提供服务。

卡牌养成类游戏，基于Unity引擎开发，C#+FGUI方案，主要负责拼接UI，实现业务逻辑，场景角色AI，编写导出配置表工具。

养成经营游戏，基于Unity引擎开发，发布平台：移动端/微信小游戏 【70%】业务开发，玩法实现 【20%】战斗模块维护 【10%】处理性能优化问题

全部独立制作 unity/cocos flutter,ios/android原生开发 照片/视频处理软件 社交软件 后端golang AI模型 小程序,H5 都能做, 速度很快, 技术很扎实,欢迎联系我哦...

一个国内涵盖全面的CSGO、Dota2饰品箱交易站，包括饰品箱、竞技场、幸运饰品、Roll福利、道具商城以及充值等功能。由我独立完成，技术栈为：vue+element-ui

环境LNMP 独自开发了后端的战斗、离线战斗、副本掉落、军团（帮派）、交易市场、自动开服等功能 合作开发后端合服、聊天以及其它的模块 负责与渠道商进行登录、支付等对接 游戏维护

三个模块 游戏场景游戏人物 游戏音乐 游戏基本玩法实现 实现游戏场景设计和音乐设计以及游戏各个模块功能 使用了C和C++的图形库easyx库来进行图形编程 实现难点就是C没有专门的图形库

天天酷跑小游戏:主要分为四个模块 第一个加载游戏场景和游戏人物 第二个实现游戏人物和关卡怪物的基本行为 第三个实现游戏场景中的障碍 第四个实现游戏中的评分机制和死亡检测 我主要负责游戏的基本逻辑设计和关卡设计还有游戏技术的实现以及测试游戏性能和bug以及游戏背景音乐

【项目背景】：该公司是一家互联网公司，架构比较传统，横向扩展难度较大，自动化发布及回滚不方便，且目前容器化已经如火如荼的发展，因此急需要传统业务容器化改造 【过程及技术点】：从0到1独立完成：架构设计、资源采购、网段划分、服务注册发现、Dockerfile镜像制作、权限管理、持久化、YAML文件编写、服务暴露、配置文件变更、健康检查、资源限制、CDN加速、WAF对接、域名及证书、上线发布、监控、日志采集等一系列生态。将传统业务如SpringBoot、Tomcat、前端等进行容器化改造，改造涉及NodeJS、Python、Java等主流开发语言，重点解决了容器化改造过程中三种前后端分离的方法并客服改造过程中所有技术难点 【对公司价值】：节约了成本、发布上线不需要停机、回滚方便、积极拥抱了容器化技术

【项目背景】：公司业务复杂，服务器有很多种类，分布在不同机房，不便于管理和审计，业务故障不能快速响应，影响业务正常运行 【项目职责】：使用监控工具zabbix完成服务器的监控、告警信息通知，监控数据可视化等 【项目描述】：规划部署zabbix监控方案、自定义监控项和模板制作，使用主动模式及zabbix proxy收集个zabbix agent数据，并根据不同机房配置多个主动模式zabbix proxy，将zabbix agent监控数据先汇总到代理，zabbix proxy将数据推送给server端进行展示及其告警，利用zabbix自带的触发器实现部分服务的故障自愈，对zabbix监控模板进行分类，通过主机名、IP地址等方式识别主机应用的不同，对被监控端添加不同的监控模板（自定义监控模板、java监控模板、mysql监控模板），报警机制通过邮件报警及微信报警通知运维人员，另外由于Zabbix Server监控的虚拟机和物理机总数较多，产生的监控数据量也相对较大，因此数据库使用双主模式进行数据读写，并使用Zabbix API快速批量添加监控主机及关联模板. 【对公司价值】：便于快速解决故障、减少了业务中断时间

根据积分游戏活动的运营需求，独立设计完成多屏具有可玩性运营小游戏的交互原型和UI视觉设计，和前端程序员沟通以便实现最终效果。

本作品是采用注入DLL方式进入到游戏进程，通过HOOK游戏进程里的LUA引擎器达到控制游戏中的人物走动，点怪，捡包，做任务的目的，但关键还得是通过返编译获得相关的基址，懂得利用OD分析游戏中的数据包。纯属于学习研究，没有进行过商业化。

游戏服务端管理后台，主要功能包括： 1、角色管理：角色初始化编辑、角色改名等 2、服务器管理：系统内存监控、服务端CPU使用监控，服务端启动/关闭等 3、邮件功能：向游戏角色邮寄金钱、物品等 4、游戏聊天监控 5、系统设置：系统配置、系统用户及组管理等 6、操作日志