技术派

大家好呀，我是技术派社区的二哥呀。

之前有粉丝反馈自己的项目经历太少，不好写简历，影响找工作，不知道你有没有这样的困惑。

今天我就针对校招毕业生，手把手教大家如何将技术派项目写到自己的简历中。校招毕业生对于项目的考察，主要还是偏基础和应用。

1.1 如何写简历

项目名称：技术派社区项目（2024.6-2024.8）

技术栈：Spring Boot、MyBatis-Plus、MySQL、Redis、ElasticSearch、RabbitMQ、MongoDB、Docker

项目描述：技术派是一个前后端分离的，面向互联网开发者的技术内容分享与交流平台，包括前端 PC 和管理后台。我们通过文章、教程、AI 助手等产品和服务，旨在打造一个激发开发者创作灵感，传播优质技术内容，陪伴开发者快速成长的技术社区。

在线地址：paicoding.com
GitHub 仓库（已有 1.9k星标）：https://github.com/itwanger/paicoding

责任描述：作为核心研发人员，主要负责登录认证、消息通知、文章教程、AI 助手，以及管理后台的开发工作。

接入微信支付和支付宝支付，完成文章的付费阅读；并通过分布式锁+幂等来防止支付记录的重复写入和更新；在支付完成后会给作者发送邮件通知，给用户发送异步消息以解锁付费内容。
通过验证码和前端保持半长链接映射关系，当用户扫码关注公众号并输入验证码后，发起回调，识别用户信息并找到对应半长链接，实现系统自动登录；
集成本地缓存 Guava 和 Caffeine，有效提高服务的吞吐率，经实测在 2核4G 的情况下能达到 1200 QPS；
利用 AOP 切面技术，当系统收到新的消息时（如评论、点赞等），自动将这些消息发送至 Kafka 消息队列中。接着，通过消费者服务从 Kafka 中取出消息，并将其存储到 Redis 缓存中等待用户消费。
利用 RestHighLevelClient 接入 ElasticSearch 的全文搜索能力，关键字检索效率提升了 60%，同时兼容 ES 未安装时继续走 MySQL 的查询逻辑。
通过 Redis 的 zset 实现用户活跃度排行，并通过先写 MySQL，再删除 Redis 的方案来保证高并发场景下的缓存一致性。
基于 ThreadLocal 在登录校验拦截器中封装线程隔离的全局上下文，以便在线程内部存储用户信息，减少用户信息的数据库查询次数。
通过 Nginx 代理，将客户端请求转发到目标服务器的后端 API 接口，从而解决跨域问题；并配置 SSL 证书以保证 HTTPS 请求的安全性，配置动静分离以提升资源的加载速度，首页加载速度从 4 秒减少至不到 1 秒。
将用户评论、点赞、收藏、系统消息发送到 RabbitMQ，实现消息的异步解耦；
通过 Canal 框架实现了 MySQL 与 ElasticSearch 的数据同步，确保了实时搜索的准确性。
采用 HandlerExceptionResolver 的全局异常处理策略，提高代码的健壮性，用户体验得到了很好的保证；
通过 AOP + TraceID 记录接口访问日志，实现任务的追踪、监控和诊断。
为了满足社区在高并发场景下业务 ID 的唯一性和可追溯性，我们实现了一套基于雪花算法（Snowflake）的 ID 生成方案，进一步降低了ID生成的延迟。
实现自定义的 Markdown 编辑器，通过复制粘贴即可将非同源的图片上传至 OSS 实现智能化转链，并借助线程池和异步任务 CompletableFuture 提升系统的高并发能力，文件转储能力提升 60%；
通过 Liquibase 实现数据库表的自动创建和初始化，以及版本管理，告别手动导入 SQL，并且兼容 MySQL 和其他不支持 Liquibase 的数据，如 mariadb。
通过提前建立 Socket 链接，来解决本地服务启动时 8080 端口可能被占用的问题，非常人性化；
应用策略模式来支持多家 AI 大模型的灵活对接，目前已经成功集成了智谱 AI Alltools API、讯飞星火 4.0 API 和 ChatGPT 3.5 API。
搭建 Redis 集群、对文章数据进行分表、压缩后端服务的返回内容，以实现服务的高可用和高性能；
采用 Redisson 看门狗策略优化缓存架构，针对热 key 的并发访问进行同步，防止其失效时导致的缓存击穿；
引入 Caffeine + Redis 构成多级缓冲，解决热门数据（首页流媒体、专栏教程）的吞吐量瓶颈；
通过集成 xxl-job 实现了定时任务的管理和执行，如自动清理过期文章缓存、社区数据统计、SEO 的 sitemap 自动生成等。
借助 Redis 的 zet 数据结构实现轻量级的作者白名单，提升优秀作者发布文章的用户体验；
通过 Shell 脚本实现一套可以在 Linux 生产环境下一键源码部署的成熟方案，极大缓解了社区在生产环境下热部署压力。同时也支持 Docker 容器化部署。
派聪明 AI 助手通过 WebSocket 实现前后端的及时通信，并且通过异步流的方式实现消息一点一点输出的效果；
由于 AI 生成复杂响应时需要等待，所以选用了大模型的流式 Stream API 并结合 SSE 实时推送返回给前端，实现消息一点一点输出的效果。
使用 CompletableFuture 对首页接口进行并行访问优化，将接口响应时间从 134ms 降至 80ms。
鉴于生成式的回答可能存在不可靠信息，所以借助敏感词校验开源库 sensitive-word，并结合 MyBatis 拦截器和 DFA 算法实现了一套完善的敏感词自定义过滤方案，对用户输入内容和响应内容做了自定义过滤，保证内容平台的合规性。
利用 Spring Boot Actuator 集成 Prometheus 和 Grafana 搭建一套完整的服务监控体系，确保了社区平台的稳定运行。
通过 React+Ant-Design+Vite+ECharts 完成了 Admin 端的开发工作，界面非常漂亮，并且极大地提高了项目日常的运营效率。
利用 Spring Cache 简化缓存管理，通过指定缓存管理器可以灵活切换 Caffeine 和 Redis。