计算机应用技术软件开发公司开发工程师实习报告

计算机应用技术软件开发公司开发工程师实习报告一、摘要2023年7月10日至2023年9月5日，我在计算机应用技术软件开发公司担任开发工程师实习生，参与智能推荐系统后端模块开发。核心工作成果包括完成用户行为数据分析接口，支持日均处理请求量达8000次，响应时间稳定在200ms以内；优化商品匹配算法，将推荐准确率从72%提升至86%，用户点击率增长15%。期间应用Java、SpringBoot框架，结合Redis缓存技术提升系统吞吐量；通过Git实现代码版本管理，协同完成3个迭代周期。提炼可复用的方法论：采用敏捷开发模式，将需求拆解为每日15个故事点，结合Docker容器化部署，缩短开发测试周期至2天/次。二、实习内容及过程2023年7月10日入职，跟着团队做智能推荐系统后端开发。开始时主要熟悉项目架构，用Postman测试接口，发现用户行为数据接口响应慢，高峰期延迟超过500ms。团队用Redis缓存热点数据，我跟着学Redis持久化配置，把缓存淘汰策略从LRU改成TTL，把接口延迟降到了200ms左右。8月15日独立负责商品匹配算法优化，原算法用JDK自带的HashMap，数据量大时冲突多。我换成ConcurrentHashMap，加锁粒度到行级别，把QPS从3000提升到8000。9月初参与线上bug修复，用户反馈推荐结果冷门化，排查发现是分词器对中文处理不准。改用结巴分词库后，准确率从72%涨到86%，用户点击率也跟着涨了15%。团队开发流程是每天站会同步进度，用Jira管理需求，需求拆解成15个故事点，每个迭代2天完成。我负责的模块集成到CI/CD流水线，用Docker打包部署，但初期镜像构建慢，每次更新都要等半小时。后来学用多阶段构建，只把依赖打包进最终镜像，构建时间缩短到5分钟。期间还帮测试调过前端渲染问题，发现是后端返回的JSON字段顺序跟前端约定不一致，改过来后页面加载正常了。困难主要是刚开始不熟业务逻辑，推荐系统涉及协同过滤、内容召回等模型，我对离线计算和在线预估理解不清。有次被分配优化实时推荐接口，完全懵圈。自己偷偷看了公司之前的文档，又找师兄问了2小时，才搞明白要平衡缓存命中率和计算资源消耗，最后用本地缓存+远程调用结合的方式搞定。收获是学会了怎么快速上手复杂项目，还有Git的rebase技巧，避免commit历史混乱。职业规划上更清晰了，想往大数据方向钻，但感觉公司培训偏重框架开发，像Spark、Flink这些没机会接触。如果培训能加几期Hadoop生态课就完美了。另外岗位对算法基础要求高，我学的深度学习部分用得不多，下学期得补补TensorFlow。团队管理上，新人需求分配有时太急，要是能提前看下整体进度就更好。三、总结与体会这8周，从7月10日到9月5日，跟着团队做推荐系统后端，感觉跟学校写课程设计完全不一样。以前调试代码，出问题找老师要答案。这次8月15日负责商品匹配算法优化，凌晨三点还在查ConcurrentHashMap源码，就是为了把QPS从3000提到8000，用户点击率跟着涨了15%。这种数据变化带来的成就感，是看书学不到的。实习最大的价值是让我把数据库索引、缓存策略这些知识点用上了，比如用Redis的TTL策略把接口延迟从500ms降到200ms，这就是实践出真知。团队用Jira管理需求，每天站会汇报进度，需求拆解成15个故事点，每个迭代2天完成。这种敏捷开发模式让我意识到，做项目光懂数据结构不行，还得懂业务逻辑和系统架构。比如9月初修复线上冷门推荐bug，发现是分词器对中文处理不准，改用结巴分词库后，准确率从72%涨到86%。这段经历直接影响了我下学期的学习计划，打算系统学学Spark和Flink，为明年秋招冲大数据开发岗位做准备。行业里现在都讲AIGC，但很多公司还在用传统SQL做数据统计，效率低得可怜。我参与优化的用户行为数据接口，现在支持日均处理请求量8000次，还用Docker容器化部署，大大缩短了开发测试周期。看到技术能实实在在提升效率，觉得挺有前景的。不过团队培训偏重框架开发，像Hadoop生态的东西接触少，要是公司能多组织几期Spark实操课就完美了。这种行业现状也让我明白，学校教的只是基础，真要进职场，还得自己额外学。从学生到职场人，心态变化挺大的。以前写代码图自己爽，现在得考虑成本、性能、可维护性。比如8月28日重构订单处理模块，为了减少数据库压力，用消息队列解耦服务，虽然增加了运维成本，但系统稳定性提升明显。这种在压力下做决策的经历，比单纯写代码收获更大。下学期打算考取AWS认证，把云计算技能补上，争取明年能拿到满意的offer。这段实习经历，真的让我成长不少。四、致谢在此实习期间，衷心感谢公司给予的宝贵机会。特别感谢导师在项目中的悉心指导，特别是在用户行为数据分析接口和商品匹配算法优化