明维

项目描述

面向全球 B2B 客户的企业信息查询平台，服务东南亚及大中华区多地区业务场景，支持企业背景调查、信用评估与关系分析，重点解决跨区域数据查询慢、口径不一致的问题。

技术栈

.NET 9、SQL Server、AWS (EC2, S3, SQS, SNS)、Keycloak、GitHub Actions、DataDog、Serilog、Google Maps API、支付网关集成

核心成果

• 系统整合：主导两个定制化子系统迁移至统一主系统，通过统一代码库和配置化管理，减少 40% 的维护成本，提升团队开发效率
• 报表优化：重构 Entity Profile Report 的 API 和 PDF 生成模块，优化数据库存储过程，将报表生成速度从平均 8 秒降至 3 秒，提升 60% 性能
• 数据源适配：负责东南亚区域某数据源的法规变更适配，完成数据结构重构、报表模板调整和地图信息更新，确保业务连续性
• 问题定位：通过 DataDog 日志分析和 Fiddler 抓包，快速定位生产环境问题，平均故障修复时间控制在 2 小时内，保障 99.9% 系统可用性
• 跨团队协作：与产品、数据团队、前端团队紧密协作，参与需求评审、技术方案设计和代码评审，确保项目高质量交付

技术亮点

• 采用分层架构设计，通过依赖注入实现模块解耦，提升代码可测试性和可维护性
• 针对不同国家数据源设计灵活的查询构建器，支持快速扩展新的数据源
• 使用 GitHub Actions 实现 CI/CD 自动化部署，集成 Snyk 进行安全扫描
• 通过 Serilog 结构化日志和 DataDog APM 实现全链路监控和性能分析

项目描述

独立完成从需求梳理到上线运维的全栈项目，包含用户端与管理端，覆盖内容管理、会员订阅和支付闭环，目标是搭建一个可持续运营、可迭代扩展的线上菜谱平台。

技术栈

.NET 10、ASP.NET Core MVC、EF Core、SQL Server、Razor Views、Bootstrap、Nginx、支付宝 SDK、Serilog

核心成果

• 架构设计：采用四层架构（展示层、业务层、数据层、公共层），通过依赖注入实现高内聚低耦合，提升代码可维护性
• 用户系统：基于 ASP.NET Core Identity 实现完整的用户认证授权体系，支持 Cookie/JWT 双模式认证、邮箱验证、密码策略配置
• 支付集成：集成支付宝 SDK 实现会员订阅功能，配置异步回调机制，使用 ngrok 进行本地支付测试
• 生产部署：在百度云服务器完成生产环境部署，配置 Nginx 反向代理、SSL/TLS 证书、WinSW 服务化管理，通过阿里云配置双域名访问
• 性能优化：配置 Nginx 静态资源缓存、HTTPS 自动重定向、上传大小限制等策略，优化用户访问体验

技术亮点

• 从零搭建项目架构，完成需求分析、数据库设计、功能开发到上线部署的完整流程
• 使用 EF Core Code First + Migration 管理数据库版本，实现数据模型与代码的同步更新
• 掌握完整的生产环境部署技能：云服务器配置、域名解析、SSL 证书配置、反向代理优化

项目描述

为主系统补齐企业历史信息查询能力，聚焦多地区企业变更记录的统一检索与批量处理。通过异步处理机制提升高并发场景下的响应效率，保障报告生成的稳定性与时效性。

开发技术

Node.js 20、TypeScript、AWS CDKTF (Terraform)

运用技术

• AWS 服务: Lambda(Serverless 计算)、API Gateway(RESTful API)、SQS(消息队列)、SNS(消息通知)
• 数据库: SQL Server、多数据源查询（多区域数据集）
• 基础设施即代码: AWS CDK for Terraform (CDKTF)、Atlantis(自动化 Terraform 部署)
• 开发工具: TypeScript、Node.js、Jest(单元测试)

负责模块

• Lambda 函数开发: 独立开发 lambdaCorpHistoryAPI(API 入口)和 lambdaCorpHistoryChangeHandler(异步处理器)两个核心 Lambda 函数
• 数据库查询构建器: 设计并实现针对不同数据源的查询构建器,通过接口 IDatabaseQueryBuilder 实现统一的查询逻辑
• 消息队列处理: 使用 AWS SQS 实现异步任务处理,支持批量企业数据查询请求的排队和处理
• 基础设施管理: 使用 CDKTF 编写基础设施代码,管理 API Gateway、Lambda、SQS、SNS 等 AWS 资源的自动化部署
• 多环境部署: 配置并维护 Dev、Stg、Prd 三套环境,通过环境变量和配置文件实现环境隔离

技术亮点

• Serverless 架构: 采用无服务器架构,实现按需自动扩缩容,降低运维成本
• 异步处理机制: 通过 SQS 队列解耦 API 请求和数据处理,提升系统响应速度和并发处理能力
• 策略模式应用: 针对不同区域数据源设计独立的查询构建器,实现灵活的数据源扩展
• IaC 实践: 使用 Terraform + CDK 管理云基础设施,实现代码化运维和版本控制
• CI/CD 自动化: 集成 Atlantis 实现 Terraform 的自动化审查和部署流程

项目心得

该项目让我深入掌握了 AWS Serverless 架构和 Terraform 基础设施即代码的实践。在开发过程中,学会了如何设计高可用的异步处理系统,通过 SQS 消息队列实现请求与处理的解耦,有效提升了系统的并发处理能力。在数据库查询优化方面,针对不同区域数据特点,设计了灵活的查询构建器模式,既保证了代码的可维护性,又满足了业务的扩展需求。使用 CDKTF 进行基础设施管理时,体会到了 IaC 带来的便利,所有的云资源配置都可以通过代码进行版本控制和自动化部署。同时,在处理跨国企业数据时,需要考虑不同数据源的字段差异和数据格式,这锻炼了我的抽象思维和系统设计能力。整个项目的独立开发经历,让我在 Node.js/TypeScript、AWS 云服务、SQL Server 查询优化等方面都得到了全面提升。

项目描述

面向内部数据团队的批量数据处理工具，主要解决人工筛查效率低、错误率高的问题。支持多文件并行处理、规则校验和实时进度反馈，显著提升数据处理效率与结果可靠性。

技术栈

.NET 7、CsvHelper、SQL Server、SignalR、Bootstrap 5、Serilog

核心成果

• 系统重构：主导项目从 .NET Framework 迁移至 .NET 7，重构核心业务逻辑，处理速度提升 3 倍，代码可维护性显著提高
• 批量处理：设计并实现多文件批量处理机制，支持同时处理数十个 CSV 文件，合理控制并发策略避免资源竞争
• 实时反馈：使用 SignalR 实现实时进度条和处理日志推送，用户可实时了解处理进度和异常信息，提升用户体验
• 数据校验：根据业务规则设计灵活的数据校验引擎，支持多种校验规则组合，确保数据质量
• 性能优化：针对大文件处理场景优化内存使用，采用流式读取和分批处理策略，单文件处理支持百万级数据量

技术难点

• 多文件并发处理时的线程同步和资源管理，通过合理设计异步/同步混合策略避免数据冲突
• 复杂业务规则的抽象和封装，通过策略模式实现规则的可配置化和可扩展性
• 大文件处理的内存优化，使用流式读取和分批处理避免 OOM 异常