在大学期间，系统学习了计算机基础理论知识，包括操作系统、数据结构与算法等。积极参与学校组织的计算机社团活动，与同学合作完成了一些小型的软件开发项目，锻炼了团队协作和编程能力。

• 负责公司Hadoop集群的日常运维工作，包括节点监控、资源分配与调度。通过优化Hadoop配置参数，使集群任务平均执行时间降低了20%。
• 参与Hadoop版本升级工作，从Hadoop 2.x升级到3.x，期间保障了数据的完整性和业务的连续性，未出现数据丢失或业务中断情况。
• 与开发团队紧密合作，为其提供Hadoop集群的技术支持，协助解决开发过程中遇到的Hadoop相关问题，提高了开发效率。

• 主导搭建了公司新的Hadoop大数据平台，规划集群规模为50个节点，负责硬件选型、网络架构设计等工作。平台上线后，支撑了公司多个核心业务的数据处理需求，处理数据量达TB级/天。
• 建立了完善的Hadoop集群监控体系，采用Prometheus + Grafana进行监控，实时掌握集群运行状态。通过监控数据发现并解决了多次潜在的硬件故障和软件性能瓶颈问题。
• 制定了Hadoop运维规范和故障应急预案，组织团队成员进行培训和演练。在一次突发的网络故障中，按照应急预案快速恢复了集群服务，将业务中断时间控制在30分钟以内。

• 参与公司用户行为分析项目，负责Hadoop集群的数据存储与处理环节。通过优化MapReduce任务，使数据处理效率提升了30%。
• 对用户行为日志数据进行清洗、转换和加载（ETL）操作，将原始日志数据处理成适合分析的结构化数据，数据准确率达到99.5%以上。
• 与数据分析团队合作，根据分析需求调整Hadoop集群资源分配，保障了分析任务的顺利进行，为公司业务决策提供了有力的数据支持。

• 负责公司日志收集与分析系统中Hadoop部分的运维工作。该系统每天收集日志量达500GB，通过优化HDFS存储策略，节省了30%的存储空间。
• 对日志分析任务进行调优，采用YARN资源调度优化和任务并行化处理等手段，使分析任务平均执行时间从2小时降低到1小时。
• 保障系统7*24小时稳定运行，及时处理系统运行过程中出现的Hadoop相关故障，如节点宕机、任务失败等，故障恢复时间平均小于15分钟。