职场资讯
正在查看中级Hadoop简约简历模板文字版
陈小湾
求职意向
工作经历
XXX数据是一家专注于互联网金融领域大数据风控服务的科技公司，团队规模约XXX人，核心业务是为消费金融、信用卡中心等机构提供信用评估、反欺诈和用户画像服务，日均处理数据量XXX亿条，服务超过XXX家持牌金融机构。
工作概述：
1.平台架构设计：为应对业务高速增长带来的数据量与计算复杂度挑战，主导新一代大数据平台的架构设计；基于Lambda架构整合实时与离线处理能力，选用Flink作为实时计算引擎，Spark作为离线批处理核心；设计分层数据存储方案，热数据存HBase，温数据存HDFS，冷数据归档至对象存储；通过架构升级，平台整体数据处理能力提升XXX%，资源利用率提高XXX%。
2.核心模块开发：负责风控核心指标计算模块的设计与开发，抽象指标计算逻辑为可配置的规则引擎；使用Spark SQL实现复杂多表关联与窗口聚合，将指标计算任务抽象成DAG图进行调度；引入向量化计算与代码生成技术优化执行效率；该模块支撑了XXX个风控模型的指标加工，任务平均执行时间缩短XXX%。
3.性能深度优化：针对生产环境出现的任务数据倾斜、OOM等问题，进行系统性性能调优；分析任务执行计划，对倾斜Key采用加盐打散或两阶段聚合策略；优化JVM参数与Spark内存模型，减少GC时间；调整Shuffle参数与文件合并策略，减少磁盘IO；经过多轮优化，集群整体计算效率提升XXX%，月度任务失败率下降至XXX%。
4.数据质量治理：牵头建立数据质量监控体系，定义核心数据资产的完整性、准确性、一致性标准；开发自动化稽核工具，定时扫描数据仓库各层表的记录数波动、字段空值率及值域异常；建立数据血缘图谱，追踪数据异常源头；推动问题数据工单流程，使数据问题平均修复时间从X天缩短至X小时，数据质量评分提升XXX%。
5.实时计算建设：为满足业务对实时反欺诈的需求，构建实时计算链路；设计基于Kafka+Flink+Redis的实时处理架构，开发实时特征计算与规则匹配作业；解决Flink作业状态管理、Exactly-Once语义实现等技术难点；该实时链路支持毫秒级响应，日均处理事件XXX亿，准确识别欺诈行为XXX万次，误报率低于XXX%。
6.团队与流程建设：作为大数据组技术骨干，参与团队技术栈选型与开发规范制定；编写核心组件使用手册与最佳实践文档，组织内部技术分享XXX次；主导代码评审，推动单元测试与集成测试覆盖率提升；指导初级工程师X人，帮助其快速成长。
工作业绩：
1.主导完成新一代大数据平台架构设计与核心模块开发，平台峰值数据处理能力达到每秒XXX万条，支撑公司XXX%的风控业务。
2.通过系统性性能优化，将核心批处理任务的平均运行时间缩短XXX%，每月节省计算资源成本约XXX%。
3.建立的数据质量监控体系覆盖XXX张核心表，数据质量问题数季度环比下降XXX%，下游业务投诉减少XXX%。
4.构建的实时计算链路将欺诈识别延迟从分钟级降至毫秒级，帮助客户减少欺诈损失预估XXX万元。
5.推动团队开发流程规范化，核心代码单元测试覆盖率从XX%提升至XXX%，线上严重BUG数减少XXX%。
6.培养初级工程师X名，其中X名已能独立负责重要模块开发。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司为某头部消费金融公司打造的下一代风控核心系统项目，需整合线上信贷申请、交易、还款等全链路数据，实现从申请反欺诈、信用评估到贷后监控的实时决策。原有系统分散且延迟高，无法应对日益复杂的欺诈手段。项目要求99.99%的决策在XXX毫秒内完成，日均处理申请量XXX万笔，数据源涉及XXX个内部与外部系统。
项目职责：
1.架构设计与评审：负责大数据处理部分的架构设计，提出基于事件驱动的流批一体架构方案，主持技术评审并确定以Flink为核心构建实时决策引擎，以Spark构建离线模型训练与特征加工平台。
2.实时特征计算：设计并开发实时特征计算框架，支持时间窗口、滑动窗口、会话窗口等多种特征聚合方式；解决多流关联下的乱序事件处理难题，实现高吞吐低延迟的特征服务。
3.数据链路保障：设计并实现端到端的数据一致性保障机制，从数据采集、传输、处理到存储，确保在分布式环境下数据的准确性与不丢失；制定并实施实时链路监控与告警策略。
4.性能压测与调优：主导全链路压力测试，设计测试用例模拟高峰流量；定位性能瓶颈并实施优化，包括调整Flink任务并行度、优化状态后端、升级Kafka集群等，确保系统满足SLA要求。
项目业绩：
1.系统成功上线，平均决策响应时间稳定在XXX毫秒以内，峰值QPS达到XXX，完全满足业务性能要求。
2.实时特征计算框架支持XXX种特征类型，特征计算延迟低于XXX毫秒，支撑了XXX个风控模型的实时调用。
3.数据一致性保障机制使端到端数据准确率达到
99.999%，在半年运行期内未发生因数据错误导致的决策失误。
4.项目帮助客户将信贷申请自动审批率提升至XXX%，欺诈识别率提升XXX%，坏账率降低XXX%，获得客户高度认可并成功续约。
教育背景
GPA X.XX/X.X（专业前XX%），主修算法设计、分布式系统、数据仓库与数据挖掘等核心课程。熟练掌握Java/Scala编程及Hadoop/Spark/Flink等大数据技术栈，参与课程设计《分布式新闻推荐系统》，负责基于Spark MLlib的协同过滤算法实现与调优，系统在模拟数据集上取得XXX的推荐准确率。
自我评价
培训经历
深入掌握了Flink runtime原理、状态管理、容错机制及性能优化技巧。将认证中学到的知识应用于实时风控项目，解决了状态后端性能瓶颈与Exactly-Once语义实现难题，保障了实时链路的高可用与数据一致性。
中级Hadoop简约简历模板
269人使用适用人群: #Hadoop #中级[3-5年]
猜你想用
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：Hadoop
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | Hadoop
2024-09 - 2025-12
XXX数据是一家专注于互联网金融领域大数据风控服务的科技公司，团队规模约XXX人，核心业务是为消费金融、信用卡中心等机构提供信用评估、反欺诈和用户画像服务，日均处理数据量XXX亿条，服务超过XXX家持牌金融机构。
工作概述：
1.平台架构设计：为应对业务高速增长带来的数据量与计算复杂度挑战，主导新一代大数据平台的架构设计；基于Lambda架构整合实时与离线处理能力，选用Flink作为实时计算引擎，Spark作为离线批处理核心；设计分层数据存储方案，热数据存HBase，温数据存HDFS，冷数据归档至对象存储；通过架构升级，平台整体数据处理能力提升XXX%，资源利用率提高XXX%。
2.核心模块开发：负责风控核心指标计算模块的设计与开发，抽象指标计算逻辑为可配置的规则引擎；使用Spark SQL实现复杂多表关联与窗口聚合，将指标计算任务抽象成DAG图进行调度；引入向量化计算与代码生成技术优化执行效率；该模块支撑了XXX个风控模型的指标加工，任务平均执行时间缩短XXX%。
3.性能深度优化：针对生产环境出现的任务数据倾斜、OOM等问题，进行系统性性能调优；分析任务执行计划，对倾斜Key采用加盐打散或两阶段聚合策略；优化JVM参数与Spark内存模型，减少GC时间；调整Shuffle参数与文件合并策略，减少磁盘IO；经过多轮优化，集群整体计算效率提升XXX%，月度任务失败率下降至XXX%。
4.数据质量治理：牵头建立数据质量监控体系，定义核心数据资产的完整性、准确性、一致性标准；开发自动化稽核工具，定时扫描数据仓库各层表的记录数波动、字段空值率及值域异常；建立数据血缘图谱，追踪数据异常源头；推动问题数据工单流程，使数据问题平均修复时间从X天缩短至X小时，数据质量评分提升XXX%。
5.实时计算建设：为满足业务对实时反欺诈的需求，构建实时计算链路；设计基于Kafka+Flink+Redis的实时处理架构，开发实时特征计算与规则匹配作业；解决Flink作业状态管理、Exactly-Once语义实现等技术难点；该实时链路支持毫秒级响应，日均处理事件XXX亿，准确识别欺诈行为XXX万次，误报率低于XXX%。
6.团队与流程建设：作为大数据组技术骨干，参与团队技术栈选型与开发规范制定；编写核心组件使用手册与最佳实践文档，组织内部技术分享XXX次；主导代码评审，推动单元测试与集成测试覆盖率提升；指导初级工程师X人，帮助其快速成长。
工作业绩：
1.主导完成新一代大数据平台架构设计与核心模块开发，平台峰值数据处理能力达到每秒XXX万条，支撑公司XXX%的风控业务。
2.通过系统性性能优化，将核心批处理任务的平均运行时间缩短XXX%，每月节省计算资源成本约XXX%。
3.建立的数据质量监控体系覆盖XXX张核心表，数据质量问题数季度环比下降XXX%，下游业务投诉减少XXX%。
4.构建的实时计算链路将欺诈识别延迟从分钟级降至毫秒级，帮助客户减少欺诈损失预估XXX万元。
5.推动团队开发流程规范化，核心代码单元测试覆盖率从XX%提升至XXX%，线上严重BUG数减少XXX%。
6.培养初级工程师X名，其中X名已能独立负责重要模块开发。
[项目经历]
项目名称：金融全链路实时风控决策系统
担任角色：项目负责人
公司为某头部消费金融公司打造的下一代风控核心系统项目，需整合线上信贷申请、交易、还款等全链路数据，实现从申请反欺诈、信用评估到贷后监控的实时决策。原有系统分散且延迟高，无法应对日益复杂的欺诈手段。项目要求99.99%的决策在XXX毫秒内完成，日均处理申请量XXX万笔，数据源涉及XXX个内部与外部系统。
项目业绩：
1.系统成功上线，平均决策响应时间稳定在XXX毫秒以内，峰值QPS达到XXX，完全满足业务性能要求。
2.实时特征计算框架支持XXX种特征类型，特征计算延迟低于XXX毫秒，支撑了XXX个风控模型的实时调用。
3.数据一致性保障机制使端到端数据准确率达到
99.999%，在半年运行期内未发生因数据错误导致的决策失误。
4.项目帮助客户将信贷申请自动审批率提升至XXX%，欺诈识别率提升XXX%，坏账率降低XXX%，获得客户高度认可并成功续约。
[教育背景]
南京理工大学
软件工程 | 本科
GPA X.XX/X.X（专业前XX%），主修算法设计、分布式系统、数据仓库与数据挖掘等核心课程。熟练掌握Java/Scala编程及Hadoop/Spark/Flink等大数据技术栈，参与课程设计《分布式新闻推荐系统》，负责基于Spark MLlib的协同过滤算法实现与调优，系统在模拟数据集上取得XXX的推荐准确率。