在大学期间，系统学习了计算机相关专业课程，包括数据结构、算法设计、操作系统等。通过课程作业和项目实践，掌握了扎实的编程基础和问题解决能力。积极参与学校组织的计算机技术竞赛，锻炼了团队协作和创新思维。

• 负责公司大数据平台的Hadoop集群架构设计与优化，通过对YARN资源调度策略的调整，使集群资源利用率提高了30%。
• 参与海量日志数据的ETL处理流程开发，使用MapReduce和Hive优化数据处理逻辑，将数据处理时间从原来的8小时缩短至3小时。
• 与业务团队紧密合作，根据业务需求开发定制化的数据处理脚本，支持了多个核心业务的数据报表生成，数据准确性达到99.9%。

• 主导公司Hadoop平台的版本升级工作，从Hadoop 2.x迁移至Hadoop 3.x，期间解决了20+个兼容性问题，确保平台平稳过渡，业务无中断。
• 设计并实现了基于Hadoop的实时数据处理框架，结合Flume、Kafka等组件，将数据实时处理延迟降低到分钟级，满足了公司对实时业务监控的需求。
• 负责团队内Hadoop技术的培训与知识分享，提高团队整体技术水平，带领团队完成了多个重要项目的数据处理模块开发。

• 该项目是为某电商平台构建用户行为分析系统，使用Hadoop生态组件进行数据处理。
• 负责数据采集模块开发，利用Flume从多个数据源（如Web服务器日志、APP埋点数据）实时收集数据，并传输至HDFS存储。
• 设计Hive数据仓库模型，对用户浏览、点击、购买等行为数据进行清洗、转换和存储，构建了宽表用于后续分析。
• 使用Spark SQL进行数据分析，开发了用户活跃度、商品热门榜等分析报表，为运营团队提供决策支持，使运营活动转化率提升了15%。

• 参与某社交平台的海量用户关系数据处理项目，基于Hadoop实现数据的高效存储与计算。
• 优化MapReduce程序，处理数十亿级别的用户关系数据，计算用户之间的社交影响力指标，如PageRank值。
• 利用HBase存储高并发访问的用户关系数据，设计RowKey和ColumnFamily，使数据查询延迟降低到50ms以内。
• 与算法团队合作，将处理后的数据提供给推荐算法模型，提升了社交推荐的准确性和实时性，用户好友推荐点击率提高了20%。