漫画｜讲解一下如何写简历&项目
star法写项目的案例：
深圳浪尖聊大数据有限公司 2018.3-至今
日志中心建设 项目周期2020.2.10-2020.4.20
成就经历简述
2020.2.10-2020.5.20，在深圳浪尖聊大数据有限公司与团队一起完成了日志中心建设，提升了公司日志的查询，故障发现及处理的效率。
Situation:
1.深圳浪尖聊大数据有限公司有包括官网，游戏app，电商app，公众号后台，redis等存储系统及服务后台，日志需要采集及统一处理。
2.需要提供一个便于部署的日志采集agent，实时采集日志。支持8w+条/s数据量。
3.要设计提供一个统一的日志检索中心，方便用户查询日志，避免登陆机器查询。
4.需要设计一个规则引擎，用户便捷的编写规则，然后实时对日志数据执行规则，及时发现日志异常，以便及时处理。
5.需要建设告警系统，实现同比，环比，频率等功能，相同告警的统计及合并告警，减少无效告警次数。
6.采集系统部署，规则配置，告警配置，日志检索，需要设计一个统一的UI，增加用户权限管理功能。
Task：
团队的任务与目标：
1.设计一个日志采集器，实时采集应用日志，上报到kafka。
2.调研设计规则引擎，规则编写要简单，支持语法要多样，要利用现有实时计算平台，如flink。
3.调研设计告警系统，支持同比，环比，循环，频率，固定间隔及告警聚合统计功能，减少无效告警，并且告警要实时。
4.设计web UI及相应后台，方便用户一键部署采集系统，下发日志规则及告警规则和便捷的查询日志定位问题。
我的任务及目标
1.调研用户规则编写的需求。
2.调研现有的规则引擎，根据用户的需求选择最恰当的作为基础规则引擎。
3.设计规则引擎的实现内核架构，整合实时计算引擎。
4.部署，测试，压测规则引擎，针对性能优化，使其满足性能需求。
5.编写脚本实现规则引擎故障自动拉起。
Action：
我的工作及任务：
1.用了两天时间，调研，收集用户的日志规则需求。
2.花了一周时间，调研，对比现有的规则引擎，easyrules，groovy，drools等。最后根据语法编写复杂度，性能等，确定利用groovy来实现自己的规则引擎。
3.用三天时间，实现对groovy作为规则引擎细致调研，设计groovy作为规则引擎的整体架构及确定与flink整合的方案。
4.花一周时间，完成规则引擎的核心代码，成功整合flink。
5.花三天时间，进行初步的测试，压测及调优，同时完成监控脚本的编写。
6.花一天时间，完成与其他同事联调。
Result：
项目整体成果：
经过两个月的努力，完成了公司的日志中心的全部功能，有了规则引擎及告警系统，应用的异常能够及时发现并告警，提升了处理异常的效率，利用日志中心大大提升了用户日志检索排查的效率。
我的成果：
1.独立调研，设计，实现了实时规则引擎系统。
2.规则下发实时生效。
3.目前以及支持2k+规则，每秒钟处理数据量 1w条。
4.辅助公司发现应用异常若干，避免了巨大故障带来的损失。
5.过程中进一步掌握的技术有订阅发布系统Apollo，flink，多线程，groovy内核，并发集合等等。
项目简介
公司服务多，比如存储系统，app后台等，需要提供日志查询系统，便于检索日志；日志规则引擎 便于不同应用配置不同规则，以找出日志中的异常；日志异常告警系统，以便即使发现任务异常，方便排查服务故障。
项目职责：
主要负责规则引擎这一环，主要内容及成就如下：
1.调研常见的规则引擎，easyrules，drools，qlexpress，groovy引擎等等，通过性能，易用性，易维护性等对比，最终决定用groovy。
2.设计基于groovy规则引擎的内核架构，主要设计内容：
规则订阅发布发布系统，Apollo。
规则并发处理模型，多线程及并发集合。
GroovyClassloader内核及规则加载机制，及对内存的优化，预编译等。
整合flink。
3.独立完成，功能测试，压测，部署，及自动故障处理脚本的编写。
4.结果：截止目前上线规则1k+，处理1w条/s，可以很简单横向扩展。
错误的写法：
为人诚实谦虚，勤奋，吃苦耐劳，有团队意识，责任心强，善于沟通，具有良好的团队合作意识；技术功底扎实，具有较强的钻研精神和学习能力；性格比较乐观外向，喜欢打篮球，台球。
正确的写法：
热爱运动，爬山，篮球，桌球。
极客、热爱技术、热爱开源
编程语言：掌握java，scala，shell，并且对多线程，高并发，jvm调优有一定经验。
基础框架：掌握netty，dubbo,mysql,redis,mongodb等。
Spark：精通。精读过spark core ，spark sql spark streaming的源码，做过二次开发。
Flink：精通。阅读过flink源码，使用flink做过实时OLAP平台，DDL语法解析，实图，虚拟列均支持。
Hadoop：掌握。
Hbase：掌握。熟悉hbase存储结构，rowkey设计经验足，使用过hbase存储百TB级别的表。。
Hive：掌握。hive做数仓的经验，对hive的数据倾斜处理经验丰富，处理过百TB以上级别的数据。
Kafka：精通。精读过kafka源码，对底层存储设计，生产消费原理及模型理解比较深入，处理过100w/s数据量。
Clickhouse：掌握。使用clickhouse作为指标存储的底层，加速展示。
ElasticSearch：掌握。