简历整理YH

一，订单中心

1，调拨单

融通(Rocketmq)-订单中心：ECC_BMS123(已出单)，125(分配),127(发货),129(收货)
通过RocketMq接入多场景订单数据

2，销售单

sap（FTP）-订单中心，下发1002,1003,1004接口
Job定时读取FTP XML文件，解析，各订单类型实现自己的业务
类型：sap bms b2b shibai；连接不同FTP，读取不同业务类型路径下数据，下载，解析，不同订单各自处理，移动已处理文件。设计模式：枚举 + 策略 + 模版

3，主数据替换

所有主数据替换，原来查询数据库，现在统一查询商品接口，查询Redis或者ES

【调拨单】

数据层级：供应商 采购组织 大区 门店 商品分类 商品 。门店：商品 1:N

1.1，店间调拨单下传ECC_BMS123

【正常流程】

● 落原始数据
 状态流：延时待处理/延时已处理/未使用/已使用/延时异常数据
 说明：入库门店商品信息不存在，下发门店商品信息小于实际查询到的门店商品信息（延时待处理，流程结束，否则未使用）
● 主数据查询，组装数据，分批查询2000一批
查询商品中心，门店商品
查询供应商中心，根据供应商编码和采购组织查询方案组
查询价格中心，根据供应商门店商品
● 组装数据并写入订单明细跟踪（核心跟踪订单整个流程）
状态流：80-已取消 10 -待审核 20 -已审核 30 -已出单 40 -待发货/已分配 50 -待收货 60 -已收货 70 -已完成
初始状态：已出单
A：分表，根据大类分表，生鲜11 食百1213
B：订单明细跟踪同步ES，批量操作
● 增加在途
A：通过MQ发送库存中心更新库存信息（Topic/tags/source/key/msg）
B：异常消息记录，异常或者发送结果状态非OK，封装多种场景
C：JOB定时批量补偿异常消息，重新发送

【异常流程】

1，JOB检查123异常数据，补偿处理，门店商品数据是否正常
2，超过3天未处理，同步异常单数据到ES
3，补偿细节：
每次处理一定的量10条；
查询订单号，再根据订单号查询数据，充分利用索引；
限定创建时间，近期；
根据更新时间排序，循环处理

1.2，店间调拨单出库单出库数量上传 125

【正常流程】
查询123基础数据，检查数据完整性
检查下发数量和申请数据（123）是否一致，否，同步ES异常数据
查询订单明细跟踪，并更新
更新123状态为已使用，乐观锁
扣减库存，MQ，正向/反向库存标识，加或者减

【异常单流程】
JOB补偿

1.3，SAP销售退货单的DN下传云POS & 店间调拨过账后的交货单下传

1.4，店间调拨入库单的入库数量上传

2. 销售单：sap（FTP），以1004为例，下发发货指令
发货单商品数量，订单维度匹配订单明细跟踪该订单号所有明细商品数量。
场景：下发0->直接关单；匹配->完成订单；不匹配->延时数据，JOB定时处理
更新订单明细跟踪
更新库存MQ

二，独立活动类

1，生鲜价格动态：app活动
2，咏悦汇酒会（独立设计开发）：app活动，门店茅台，洋酒，百威暗码换购活动

三，报表

1，商品资料非实时报表：大数据通过binlog同步主数据到es，批量查询多个索引数据。
2，巡检报表：查询es数据，大数据推送数据到es，根据不同维度分组，求和，聚合求和，聚合求和后再合计，聚合后排序，总计，分页（from/search_after）。

四，渠道/商品中心

对接云创系统：渠道标识同步云创。云创系统-渠道中心(MQ)-渠道同步中心
封装大量es查询接口

五，爬虫

重构大数据爬虫框架，使用java Gecco框架二次开发。
1.爬取内容：朴朴，多点，每日优化，京东，盒马鲜生 
2.数据处理：抓取数据发送kafka消息，推送给大数据。flume消费kafka消息到hdfs，同步到hive，hue查看数据。3.代理ip处理