Алексей К. — Backend Developer

Проект: Система для обработки заказов с высокой надёжностью и производительностью Распределённая система обработки заказов, взаимодействующая с мобильным приложением и 5+ критичными внешними сервисами, обрабатывающая пики нагрузки. Ключевые достижения: - В 10 раз ускорил запросы через partial indices, batch-mode операции и stream-based обработку в PostgreSQL (Spring Data JPA) для снижения memory footprint - Интеграции: Решил race conditions при out-of-order запросах через переработку flow логики и retry-стратегии с linear backoff - Внедрил Redis кэширование для горячих данных, улучшил обработку ошибок интеграций с graceful degradation - Архитектура и лидерство: Tech lead — проводил code reviews, принимал архитектурные решения, планировал спринты. Ключевое решение по переоценке задач привело к успешному закрытию 100% задач спринта в срок Стек: Java 21, Spring Boot, PostgreSQL, Oracle, Redis, Hashicorp Vault, JUnit, Gradle, Docker, Gitlab CI, Grafana, Prometheus, Jira, Confluence. Проект: Платформа голосового управления в реальном времени Real-time система обработки голосовых команд с использованием Whisper и асинхронной обработкой аудио. Ключевые достижения: - Архитектура: Разработал микросервисную архитектуру на Micronaut + GraalVM с оптимизацией под low-latency обработку. Реализовал разделение ответственности между компонентами транскрибации и постобработки для горизонтального масштабирования - Real-time коммуникация: Внедрил WebSocket в whisper.cpp для двунаправленной связи, оптимизировал Angie (Nginx fork) под WebSocket для достижения минимальной latency. Организовал Long Polling для эффективного получения результатов обработки - Асинхронность: Реализовал паттерн "fire-and-forget" с немедленным HTTP 200 и асинхронной обработкой через NATS - Успешно интегрировал C++ компоненты whisper.cpp с Java-экосистемой Стек: Java 21, Micronaut Framework, C++ 20, whisper.cpp, Angie (nginx fork), Nats, Hashicorp Vault, JUnit, Gradle, Docker, Gitlab CI, Grafana, Prometheus, Spring AI, FAISS, Milvus, Jira, Confluence, Python. Проект: Интеллектуальный чат-бот с контекстным поиском на основе LLM и векторных БД Сервис для обработки естественноязыковых запросов с гибридным поиском (реляционные + векторные данные), интегрированный в SaaS-платформу для автоматизации поддержки пользователей. Ключевые достижения: - Спроектировал и внедрил пайплайн обработки запросов с комбинацией Spring AI (для работы с LLM) и векторных индексов (Milvus), что повысило релевантность ответов на 35% в сценариях сложных запросов. - Реализовал кэширование эмбеддингов в PostgreSQL с частичными индексами для горячих запросов, сократив latency на 40% при пиковых нагрузках. - Настроил Spring AI для взаимодействия с open-source LLM, обеспечив изоляцию ML-логики от основного бизнес-кода. - Разработал механизм динамического обновления векторных индексов в фоновом режиме через NATS-события, минимизировав downtime при загрузке новых данных. — Сократил потребление памяти на 25% за счёт стриминговой генерации эмбеддингов и batch-обработки в FAISS. — Автоматизировал переобучение индексов в GitLab CI с валидацией качества через JUnit-тесты на синтетических датасетах. Стек: Java 21, Spring Boot, Spring AI, Spring Data, Milvus, FAISS, PostgreSQL, Liquibase, NATS, HashiCorp Vault, JUnit 5, Gradle, Docker, GitLab CI, Jira, Confluence. Проект: CAD-сервис с автоматизацией лицензирования и VDI-доступом (SaaS) SaaS-платформа с поэтапной миграцией от монолита к микросервисам. Ключевые достижения: - Архитектура: Внедрил стратегию миграции к микросервисам (Micronaut) по паттерну Strangler Monolith с канареечным развертыванием - Сократил время холодного старта Micronaut-микросервисов на 15% за счёт lazy-инициализации бинов и оптимизации GraalVM native-image. Снизил downtime на 22%, внедрив канареечное развертывание в GitLab CI. - Ускорил SQL-запросы в 10x через batch-операции и оптимизацию индексов в PostgreSQL - Перенёс PHP-сервис на Java (Minio, NATS), снизив затраты инфраструктуры на 10% - Реализовал ротацию ключей через Vault, прошёл аудит ИБ - Стабилизировал тесты (Testcontainers), сократил время CI/CD на 20% за счёт параллельного запуска Стек: Java 21, Micronaut Framework, Hibernate, PostgreSQL, Kafka, Nats, Hashicorp Vault, JUnit, Gradle, Docker, Gitlab CI, Grafana, Prometheus, Jira, Confluence. Проект: Корпоративная система визуализации геологических данных и мониторинга KPI Описание: Корпоративная система визуализации геологических данных и мониторинга ключевых показателей эффективности сотрудников в режиме реального времени с использованием распределённой аналитической платформы. Ключевые достижения: - Сократил время генерации сложных аналитических отчётов с 6 часов до 1 часа за счёт оптимизации SQL и внедрения распределённых вычислений. - Обеспечил расчёт бизнес‑метрик в реальном времени для 120+ объектов мониторинга одновременно. - Снизил количество инцидентов на 45 % за счёт внедрения комплексного мониторинга (Prometheus, Grafana). - Создал слой доступа к данным (DAL) на MyBatis и Hibernate: оптимизация SQL‑запросов и маппинга для высоконагруженной БД PostgreSQL. - Производил интеграции с внешними системами и шинами данных: реализация RESTful API, работа с потоками данных. - Внедренил Hashicorp Vault для управления секретами, сертификатами и ключами доступа . - Выстраивал федеративные запросы (Trino) к распределённым источникам данных (S3, Postgres) для формирования сводной отчётности без ETL‑задержек. - Проводил code review, декомпозицию задач, технический дизайн решений. Стек технологий: Java 21, Spring Boot, PostgreSQL, Trino (Distributed SQL), MyBatis, Hibernate, Apache Airflow, Hashicorp Vault, Docker, Bitbucket, ArgoCD, Gradle, Prometheus, Grafana, JUnit 5, REST API, Jira, Confluence. Проект: Картографический сервис (SaaS) Описание: Платформа для визуализации, анализа и интеграции картографических данных. Сервис предоставляет REST API для встраивания картографических функций в корпоративные системы. Ключевые достижения: - Сократил время отрисовки сложных векторных карт на 60 % за счёт внедрения tile‑based подхода и кэширования в Redis. Оптимизировал SQL‑запросы к PostGIS (использование пространственных индексов GIST), ускорив обработку геозапросов в 8 раз. - Обеспечил обработку до 10 тыс. одновременных запросов к API за счёт горизонтального масштабирования микросервисов (Micronaut) и балансировки нагрузки через Angie (Nginx fork). - Автоматизировал обновление картографических слоёв (еженедельные релизы) через пайплайн Apache Airflow + Docker, сократив время простоя при деплое до 2 минут. - Внедрил мониторинг метрик (Prometheus) и алертинг (Grafana) для ключевых компонентов: время ответа API, загрузка CPU/RAM микросервисов, доступность внешних геосервисов. Снизил количество инцидентов на 40 %. - Оптимизировал хранение тайлов (сжатие, многоуровневое кэширование), снизив затраты на S3‑хранилище на 25 %. Стек технологий: Java 21, Spring Boot, Micronaut, PostgreSQL + PostGIS, Redis, Apache Airflow, Hashicorp Vault, Docker, Kubernetes, GitLab CI, Prometheus, Grafana, Angie (nginx fork), REST API, Jira, Confluence.

Проект: Высоконагруженная система мониторинга сети (40K RPS, 1 млрд записей в HBase) Ключевые достижения: - Упаковал в самораспаковывающий архив в Podman-контейнеры, сократив время деплоя на 20%. - Мигрировал систему хранения данных с PostgreSQL на HBase/TSDB, ускорив операции записи в 10 раз и улучшив SLA на 15%. - Разработал решение для эффективного поиска и индексов данных с использованием Lucene, повысив отзывчивость системы. - Разработал и оптимизировал агрегатор для группировки мелких запросов, улучшив общую производительность на 10%. - Отстоял и реализовал архитектурное решение о реализации алгоритма балансировки на клиенте, устранив точку отказа. Основные задачи: - Разработка и оптимизация backend-компонентов высоконагруженной системы мониторинга сети на Java (11) и Spring Framework (Data, JPA). - Работа с реляционными (PostgreSQL) и NoSQL (HBase, TSDB) базами данных для хранения и обработки больших объемов временных рядов (1 млрд+ записей). - Проектирование и реализация механизмов эффективного хранения и быстрого доступа к метрикам (TSDB на базе HBase). - Разработка и оптимизация алгоритмов для обработки данных в режиме реального времени (~40K RPS). - Интеграция и использование BigData стеков: HBase, Hadoop. - Реализация полнотекстового поиска и индексации данных с использованием Apache Lucene. - Контейнеризация приложений с использованием Podman/Docker. - Настройка и поддержка CI/CD пайплайнов в TeamCity. - Анализ производительности системы, выявление узких мест, разработка рекомендаций по улучшению архитектуры. - Участие в принятии архитектурных решений. Стек: Java 11, Spring Framework (Data, JPA), Hibernate, PostgreSQL, TSDB, HBase, Hadoop, Apache Lucene, JUnit, Gradle, Podman, Docker, TeamCity, GitLab, Jira, Confluence. Проект: Кредитный Cкоринг - Разработывал модуль выгрузки данных из PostgreSQL по требованиям аналитики и публикации в Kafka в формате Avro (Java 11 / Spring) - Диагностировал сбои и узкие мест в коде и инфраструктуре, устранял причины деградаций и падений - Профилировал и оптимизировал, повышал отказоустойчивость и скорость обработки запросов - Увеличил покрытие тестами: unit + integration с 50% до 80% - Разрабатывал и поддерживал парсеры (YACC/Bison) в компоненте обработки OLAP‑данных - Оптимизировал межсервисное взаимодействияе через gRPC: снижение накладных расходов на передачу данных на 10% - Готовил техническую документацию и ADR (Confluence) Стек: Java 11, Spring (Data/JPA), Hibernate, PostgreSQL, Kafka, Avro, JUnit, Gradle, Docker, TeamCity, GitLab, Jira, Confluence