潮汐 · 实时可观测平台
服务 40+ 业务线的埋点、指标与告警。早期靠定时轮询拉取,峰值期采集延迟能到 3 分钟; 重构成边缘采集 + 流式聚合后,端到端延迟稳定在秒级,告警误报下降六成。
- Go
- Kafka
- Flink
- ClickHouse
- Grafana
- 12k峰值 QPS
- 860ms端到端 P99
- -38%存储成本
覆盖实时计算、构建工具链、基础设施编排与边缘网络四个方向。每个项目都写清楚 当时要解决的问题, 而不是堆一串技术名词。
服务 40+ 业务线的埋点、指标与告警。早期靠定时轮询拉取,峰值期采集延迟能到 3 分钟; 重构成边缘采集 + 流式聚合后,端到端延迟稳定在秒级,告警误报下降六成。
独立做的第一款产品。用 Schema 描述表单,运行时按需生成渲染器; 重写渲染层之后首屏快了 4 倍,也才第一次真正理解「抽象不是免费的」。
把「开服、扩缩容、灰度、回滚」四件事收敛成一套声明式配置。 运维不再登录机器敲命令,值班同学的高危操作从每月十几次降到零。
给出海业务做的边缘网关:在离用户最近的一跳完成鉴权、限流与协议转换。 我负责路由层与回源策略,跨国链路的延迟曲线是那两年最值得反复看的图。
这是潮汐 v2 的分层结构。相比 v1,最关键的变化是把采样与聚合从中心服务挪到边缘, 中心只负责规则计算与长期存储。
SDK 在客户端侧完成聚合与脱敏,网络抖动时本地暂存,恢复后按幂等键补传。
Flink 做窗口聚合与实时特征,结果写回 ClickHouse 明细表并推送 Redis 热值。
规则引擎做去重、抑制与静默,避免一次上游抖动引发上百条重复告警。
熟练度是个人自评,面试时我可以逐条拆开讲清楚做到了什么程度。
从写业务代码,到给团队做工具,再到带人。我更愿意待在后端与平台这一侧。
负责灯塔游戏服务器编排平台:多区服调度、灰度发布与自动回滚。带 6 人小组,把发版从「人工脚本」改成「声明式配置 + 观察闸门」。
主导潮汐实时可观测平台 v2 架构重构,把采集从中心轮询改为边缘推送 + 流式聚合,端到端 P99 从 180s 降到 860ms,存储成本下降 38%。
交易与订单系统,日均 240 万笔。负责秒杀场景的限流、排队与降级方案,以及订单库的分库分表迁移。
一个人做完纸鸢低代码表单引擎,从设计、写代码到销售与客服都自己扛,验证了 1.2 万企业用户。
毕业设计做的是分布式日志复制,导师说「题目太大」,最后交了三个版本。
写作是为了把事情想清楚 —— 大部分文章都是先踩了坑才写得出来。
如果你正在搭实时数据链路,或者手里有一套跑得慢、又不敢改的系统,欢迎来聊。 我通常在 24 小时内回邮件,也可以约一次 30 分钟的技术对谈。