大数据开发工程师求职简历
个人信息（ Personal Info ）
姓名： 魏孝伟 性别： 男
籍贯： 福建省福清市 年龄： 24
电话： 13539578165 电子邮箱：
[email protected]工作经验： 2 年 期望薪资： 9~10k
教育背景（ Education ）
2014.09 — 2018.07 郑州大学 安全工程 本科
专业技能（ Professional skills ）
1.掌握 Hive、HBase、Flume、Kafka 等 Hadoop 生态技术圈的相关技术的使用 ; 理解
Spark 工作机制，熟练掌握 Spark core、Spark sql 的开发、熟悉 Spark Streaming 的开发。
2. 熟悉 Spark 大数据项目的性能调优、线上 troubleshooting 与数据倾斜的解决方案
3. 熟悉 MySql 数据库的使用，熟练编写 sql 语句和进行基本的 MySql 调优；熟悉 Hive 的开发，掌握 Linux 常用命令的使用，可以进行简单的 shell 编程
4.较为扎实的 Java 基础知识，熟悉多线程、IO、反射、集合、泛型，了解 JVM 的内存模型
和垃圾回收机制
5.了解 MongoDB、Redis、Zookeeper 的原理和基本操作
工作经验（ Work Experience ）
2017.7 — 2019.5
河南金明源技术有限公司 | 大数据开发工程师
工作描述：
1、负责数据的导入、过滤，及根据业务进行离线统计
2、负责对数据流的 实时计算、存储、查询
3、参与大数据平台的开发和维护，保证数据平台的稳定和可靠
4、负责对大数据平台进行性能优化
5、对系统出现的数据问题定位解决
6、负责项目前期的需求分析，编写相关技术文档
项目经验（ Project experience ）
项目一、云雀 APP 日志统计分析系统(2017.11--2018.5)
项目描述：
云雀 APP 日志统计分析系统 是收集用户使用云雀 APP 的日志记录，并进行统计分析，
通过统计 APP 的新增用户、活跃用户、沉默用户等，了解 APP 的详细使用情况；统计分析 APP 不同版本的分布，了解用户对不同版本 APP 的接受程度；统计 APP 的使用时长，来了解用户对于 APP 的依赖程度；通过留存用户分析、新鲜度分析，帮助公司了解不同用户的使用情况。
技术栈：Flume、Spark、Kafka、Hive、HBase
责任描述：
1、使用双 Flume 拓扑架构以及 Flume 拦截器对服务器中的日志文件进行监控、采集，并发送到 Kafka 集群；
2、消费 Kafka 中的数据，并写入 HDFS，编写 shell 脚本将数据导入到 Hive 分区表中；
3、通过 Hive SQL 以及自定义聚合函数对离线数据进行分析；
4、使用 SparkStreaming 处理实时数据流，实时统计每个城市的用户数量，并将结果
写入 HBase。
项目二、网站统计分析系统(2018.7--2019.1)
项目描述：
网站统计分析系统 是对用户访问网站产生的数据进行分析；通过使用 Spark 相关核心框架，对网站日志进行离线和实时分析。
通过该分析系统，对网站的各种用户行为（访问行为、购物行为、广告点击行为等）进行分析，根据平台统计出来的数据，辅助公司中的产品经理、管理人员分析现有产品的情况，并根据用户行为分析结果持续改进产品的设计，以及调整公司的战略和业务。最终达到提升公司的业绩、营业额以及市场占有率的目标。
技术栈：Flume、Kafka、Hive、Spark、MySql
责任描述：
1、对离线日志进行数据清洗，并导入到 Hive 分区表中；
2、实现对用户 Session 的统计分析，通过自定义累加器统计出 Session 各范围访问步长、访问时长占比；
3、统计 Top10 热门品类，以及热门品类下的 Top10 活跃 Session 统计；
4、实现对页面单跳转换率的统计分析；
5、处理实时流数据，实现广告黑名单、广告点击量、各个省份热门广告实时统计。
项目三、商品推荐系统(2019.1--2019.5)
项目描述：
推荐系统分为离线和实时推荐。离线推荐系统 是综合用户所有的历史数据，利用基于 ALS
的隐语义模型推荐算法，预测用户对每个商品的喜好度，并获取每个商品的相似商品；
实时推荐系统 为了反映用户最近的喜好，则是根据用户最近的对商品的评分作为评估用户最近喜好的依据，并根据用户最近的喜好推荐商品。使得推荐结果匹配用户最近的偏好，满足用户最近的口味。
技术栈：Spark Mllib、Redis、Kafka、MySql
责任描述：
1、对离线日志数据进行分析，根据用户行为的打分规则，得出用户对某个商品
的评分；
2、根据用户-商品评分表，通过 ALS 建立模型，根据模型预测每个用户对每个商品的评
分，并根据分数进行从大到小排序；
3、不断调节特征个数、迭代次数、正则化参数的值，得到最接近真实结果的一组参数。
4、根据模型获取商品的特征矩阵，求得每个商品和其他商品的余弦相似度，并根据相似
度进行排序；
5、从 kafka 中获取实时流，对于每个 Batch 的数据，根据实时流中用户评分的商品，从
Redis 中获取用户最近 N 次的评分，来推荐相似的商品。
自我评价（ Self evaluation ）
1、性格乐观向上，适应能力和抗压力强，敢于接受新的挑战。
2、工作积极主动，责任心强，做事耐心细致。
3、对技术充满热情，善于学习，对一门新技术和新知识可以很快的上手。
4、善于思考问题，有时间观念，独立性强，有较强的团队意识和奉献精神。
Select Language