职场资讯
正在查看中级C/C++通用简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是一家专注于智能视频分析和高性能计算领域的科技公司，团队规模约XXX人。核心业务是为安防、智慧交通等行业提供基于深度学习的视频结构化分析平台，产品已部署在超过XXX个城市项目中，日均处理视频流超过XXX万路，与多家主流摄像头厂商完成算法适配。
工作概述：
1.架构设计：针对视频智能分析平台并发处理能力不足的问题，参与核心分析引擎的微服务化架构重构设计；负责其中实时视频流接入与分发服务的详细设计，基于事件驱动模式设计服务间通信机制；设计高可用方案，包括服务注册发现、负载均衡与故障转移策略，确保单个服务节点故障不影响整体业务，系统可用性设计目标为X
X.XXX%。
2.核心开发：负责视频流媒体服务的核心模块开发，包括RTSP/RTMP协议解析、视频帧抽取与封装；采用C++14标准结合FFmpeg库实现高效视频解码与预处理流水线；开发基于ZeroMQ的消息中间件封装层，用于分析结果在微服务间的可靠传输，将消息传输延迟控制在XXX毫秒内。
3.性能优化：分析并解决视频分析流水线中内存拷贝频繁导致的CPU占用过高问题；通过引入内存池技术复用视频帧数据，减少动态内存分配开销；优化关键数据结构的访问模式，提升缓存命中率，使得单路视频流分析的平均CPU占用率降低XX%，单服务器承载路数提升XXX%。
4.多线程并发：为解决多路视频流并行处理时的资源竞争与死锁问题，设计并实现基于无锁队列的任务调度器；合理划分线程职责，采用生产者-消费者模式解耦视频拉流与解码环节；通过精细的线程绑定与优先级设置，确保高优先级分析任务及时响应，整体任务吞吐量提升XXX%。
5.线上问题治理：主导排查线上服务偶发性内存泄漏问题，使用Valgrind与自定义内存追踪工具定位到第三方库的资源释放缺陷；设计并实现资源引用计数包装器，确保异常路径下的资源正确释放；建立内存使用监控告警机制，将类似问题的平均定位时间从XXX小时缩短至XXX分钟。
6.技术文档与分享：编写所负责模块的核心设计文档、API接口文档及部署运维指南；在团队内部组织C++性能优化与多线程编程专题分享，将实践中的经验教训沉淀为团队知识库；指导X名初级工程师熟悉视频处理流水线，提升其问题排查能力。
工作业绩：
1.主导完成视频流媒体服务的微服务化重构，该服务支撑日均XXX万路视频流接入，重构后服务P99延迟下降XX%，资源利用率提升XXX%。
2.开发的视频解码预处理模块效率显著，支持XXX种编码格式，单核解码能力达到XXX帧/秒，成为多个产品线的标准组件。
3.通过系列性能优化，使公司核心视频分析服务器的单机承载能力从XXX路提升至XXX路，硬件采购成本下降XX%。
4.成功解决X个长期困扰团队的线上稳定性难题，相关服务连续平稳运行超过XXX天，获得客户书面表扬。
5.输出的技术文档与案例成为团队新成员入职培训的必读材料，有效降低了知识传递成本。
6.培养的X名初级工程师均已能独立负责子模块开发，团队整体开发效率提升XX%。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司为应对边缘计算与云端协同的分析需求而启动的核心平台升级项目。原有系统分析能力集中于云端，网络带宽与延迟成为瓶颈。新平台需将轻量级分析模型下沉至边缘设备，实现云边协同的智能分析，在降低云端压力的同时，满足实时告警（<X秒）与高精度回溯的需求。项目面临边缘设备算力有限、模型部署复杂、云边数据同步一致性的技术挑战。
项目职责：
1.核心架构参与：参与云边协同架构的总体设计，负责设计边缘分析服务与云端管理平台间的双向通信与控制协议；基于gRPC框架设计高效、可靠的命令下发与结果上报接口，并实现断线重连与消息去重机制。
2.边缘服务开发：主导边缘分析服务核心框架的C++实现，负责模型加载与推理引擎的封装；集成TensorRT，实现深度学习模型在NVIDIA边缘设备上的高性能推理；设计灵活的插件机制，支持不同算法模型的动态加载与热更新。
3.性能与资源优化：针对边缘设备内存紧张的问题，优化模型推理前后的数据预处理与后处理流水线，减少中间数据拷贝；实现模型权重的量化与剪枝工具链，在精度损失小于X%的前提下，将模型体积减小XX%，推理速度提升XXX%。
4.可靠性保障：设计并实现边缘服务的健康监控与自恢复模块；建立云端对边缘设备服务状态的主动探测与心跳机制；实现分析任务的本地缓存与断点续传，确保在网络不稳定的工业环境中分析任务不丢失。
项目业绩：
1.平台成功上线，实现了在XXX种边缘设备上的统一部署，将实时告警的端到端延迟从X秒降低至X秒以内。
2.边缘服务资源优化显著，在XXX TFLOPS算力的设备上可同时运行X个分析模型，设备利用率达到XX%。
3.项目帮助公司开拓了智慧工厂、智慧园区等新场景，带来年销售额增长超过XXX万元。
4.边缘服务框架获得公司技术专利X项，并作为标准化产品组件输出给生态合作伙伴。
教育背景
GPA X.XX/4.0（专业前XX%），主修C++高级编程、计算机体系结构、操作系统内核、并行计算等核心课程。在《并行程序设计》课程大作业中，使用C++和OpenMP实现了矩阵乘法的多线程优化，对比串行版本获得X.X倍加速比，并分析了不同线程数下的性能 scaling。熟练掌握现代C++（11/14）、Linux内核编程基础、CUDA并行计算及性能分析工具（如perf, gprof）。
自我评价
培训经历
深入掌握NVIDIA TensorRT的模型优化、量化与部署全流程。将认证所学应用于视频智能分析平台的边缘推理服务，通过FP16精度的模型量化与层融合优化，在Jetson设备上将目标检测模型的推理速度提升X.X倍，同时内存占用减少XX%。总结的《TensorRT在边缘设备的部署最佳实践》文档指导了团队后续多个AI项目的模型部署工作。
中级C/C++通用简历模板
501人使用适用人群: #C/C++ #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：C/C++
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 | C/C++
2024-09 - 2025-12
XXX科技是一家专注于智能视频分析和高性能计算领域的科技公司，团队规模约XXX人。核心业务是为安防、智慧交通等行业提供基于深度学习的视频结构化分析平台，产品已部署在超过XXX个城市项目中，日均处理视频流超过XXX万路，与多家主流摄像头厂商完成算法适配。
工作概述：
1.架构设计：针对视频智能分析平台并发处理能力不足的问题，参与核心分析引擎的微服务化架构重构设计；负责其中实时视频流接入与分发服务的详细设计，基于事件驱动模式设计服务间通信机制；设计高可用方案，包括服务注册发现、负载均衡与故障转移策略，确保单个服务节点故障不影响整体业务，系统可用性设计目标为X
X.XXX%。
2.核心开发：负责视频流媒体服务的核心模块开发，包括RTSP/RTMP协议解析、视频帧抽取与封装；采用C++14标准结合FFmpeg库实现高效视频解码与预处理流水线；开发基于ZeroMQ的消息中间件封装层，用于分析结果在微服务间的可靠传输，将消息传输延迟控制在XXX毫秒内。
3.性能优化：分析并解决视频分析流水线中内存拷贝频繁导致的CPU占用过高问题；通过引入内存池技术复用视频帧数据，减少动态内存分配开销；优化关键数据结构的访问模式，提升缓存命中率，使得单路视频流分析的平均CPU占用率降低XX%，单服务器承载路数提升XXX%。
4.多线程并发：为解决多路视频流并行处理时的资源竞争与死锁问题，设计并实现基于无锁队列的任务调度器；合理划分线程职责，采用生产者-消费者模式解耦视频拉流与解码环节；通过精细的线程绑定与优先级设置，确保高优先级分析任务及时响应，整体任务吞吐量提升XXX%。
5.线上问题治理：主导排查线上服务偶发性内存泄漏问题，使用Valgrind与自定义内存追踪工具定位到第三方库的资源释放缺陷；设计并实现资源引用计数包装器，确保异常路径下的资源正确释放；建立内存使用监控告警机制，将类似问题的平均定位时间从XXX小时缩短至XXX分钟。
6.技术文档与分享：编写所负责模块的核心设计文档、API接口文档及部署运维指南；在团队内部组织C++性能优化与多线程编程专题分享，将实践中的经验教训沉淀为团队知识库；指导X名初级工程师熟悉视频处理流水线，提升其问题排查能力。
工作业绩：
1.主导完成视频流媒体服务的微服务化重构，该服务支撑日均XXX万路视频流接入，重构后服务P99延迟下降XX%，资源利用率提升XXX%。
2.开发的视频解码预处理模块效率显著，支持XXX种编码格式，单核解码能力达到XXX帧/秒，成为多个产品线的标准组件。
3.通过系列性能优化，使公司核心视频分析服务器的单机承载能力从XXX路提升至XXX路，硬件采购成本下降XX%。
4.成功解决X个长期困扰团队的线上稳定性难题，相关服务连续平稳运行超过XXX天，获得客户书面表扬。
5.输出的技术文档与案例成为团队新成员入职培训的必读材料，有效降低了知识传递成本。
6.培养的X名初级工程师均已能独立负责子模块开发，团队整体开发效率提升XX%。
[项目经历]
项目名称：云端一体化视频智能分析平台
担任角色：项目负责人
公司为应对边缘计算与云端协同的分析需求而启动的核心平台升级项目。原有系统分析能力集中于云端，网络带宽与延迟成为瓶颈。新平台需将轻量级分析模型下沉至边缘设备，实现云边协同的智能分析，在降低云端压力的同时，满足实时告警（<X秒）与高精度回溯的需求。项目面临边缘设备算力有限、模型部署复杂、云边数据同步一致性的技术挑战。
项目业绩：
1.平台成功上线，实现了在XXX种边缘设备上的统一部署，将实时告警的端到端延迟从X秒降低至X秒以内。
2.边缘服务资源优化显著，在XXX TFLOPS算力的设备上可同时运行X个分析模型，设备利用率达到XX%。
3.项目帮助公司开拓了智慧工厂、智慧园区等新场景，带来年销售额增长超过XXX万元。
4.边缘服务框架获得公司技术专利X项，并作为标准化产品组件输出给生态合作伙伴。
[教育背景]
福州大学
计算机科学与技术 | 本科
GPA X.XX/4.0（专业前XX%），主修C++高级编程、计算机体系结构、操作系统内核、并行计算等核心课程。在《并行程序设计》课程大作业中，使用C++和OpenMP实现了矩阵乘法的多线程优化，对比串行版本获得X.X倍加速比，并分析了不同线程数下的性能 scaling。熟练掌握现代C++（11/14）、Linux内核编程基础、CUDA并行计算及性能分析工具（如perf, gprof）。