計算機科學科創(chuàng)軟件工程師實習報告一、摘要2023年6月5日至8月23日，我在XX公司擔任科創(chuàng)軟件工程師實習生，負責智能推薦算法模塊開發(fā)與性能優(yōu)化。通過7周后端開發(fā)實踐，完成3個核心功能模塊，將系統(tǒng)響應時間縮短至45毫秒，QPS（每秒查詢率）提升至12000。應用分布式緩存技術，使數(shù)據(jù)查詢效率提高60%，累計處理用戶數(shù)據(jù)超過500萬條。熟練運用Python、Redis和MongoDB，參與代碼評審50次，提交PR（PullRequest）12個，其中8個被合并。提煉出基于LRU策略的緩存優(yōu)化方案，可降低30%的內(nèi)存占用，適用于高并發(fā)場景。掌握Git工作流管理，構建自動化測試腳本，將Bug修復周期縮短20%。二、實習內(nèi)容及過程2023年6月5日入職后，我接觸到的實習單位是做AI推薦系統(tǒng)的，主要搞算法和后端。我的任務就是幫著優(yōu)化一個商品推薦模塊。剛開始那周，帶我的師兄給我放了幾個歷史項目文檔，讓我熟悉一下業(yè)務邏輯。系統(tǒng)是用的Java寫的，數(shù)據(jù)庫是MySQL和Elasticsearch，有點舊了。第2周開始寫代碼，第一個活兒是重構一個緩存過期邏輯，原版用Redis，但是過期策略太死板，導致高峰期數(shù)據(jù)命中率低。我發(fā)現(xiàn)他們沒好好用LRU算法，就自己琢磨了幾天，用Python寫了個監(jiān)控腳本，結合Prometheus看實時數(shù)據(jù)。改完后測試，發(fā)現(xiàn)下午3點用戶量上來時，接口響應時間從250毫秒直接干到45毫秒，這讓我挺驚喜的。第4周遇到個大麻煩，舊系統(tǒng)沒做好日志埋點，線上出Bug了居然查不出來。那幾天天天對著Kibana調(diào)日志，試了各種正則表達式，最后發(fā)現(xiàn)是消息隊列延遲引起的，得加個重試機制。學到了怎么用JVM調(diào)優(yōu)參數(shù)，給線程池參數(shù)調(diào)了好幾版，最終讓CPU使用率從85%降到60%。后期參與了一個新功能開發(fā)，要加實時用戶行為分析模塊。我用了Flink做流處理，一開始數(shù)據(jù)對不上，后來發(fā)現(xiàn)是數(shù)據(jù)傾斜問題，把key重新分組就好了。師兄說寫法可以再優(yōu)化，讓我多看他們的技術分享，比如怎么用JIT編譯優(yōu)化SQL查詢。8周里提交了12個代碼合并請求，有8個被接受了，還參與了2次CodeReview，雖然意見挺多的，但確實讓我學到了不少。這段時間最大的收獲是搞懂了高并發(fā)場景下怎么用分布式架構，原來光會寫代碼遠遠不夠。比如分布式鎖選Redis還是ZooKeeper得看場景，他們用ZooKeeper維護服務依賴關系，但性能確實不如Redis快。也發(fā)現(xiàn)公司內(nèi)部文檔做得挺爛，很多老代碼注釋都沒更新，新同事很難接手。有時候開會聽得云里霧里，因為大家習慣用內(nèi)部術語，比如他們說的"冷啟動"其實就是服務預熱。實習單位的管理吧，感覺流程有點僵化，比如需求評審要開3小時會，但實際技術討論就20分鐘。建議他們用Jira看板，需求按緊急程度排序，這樣開發(fā)人員能更快上手。另外培訓機制挺欠缺，沒給我配專門的導師，都是靠師兄們抽空帶，要是能有個新人培訓計劃就好了。崗位匹配度上，我學的是算法，但實際工作后端開發(fā)占比太高，要是能早接觸點模型訓練就完美了。不過總的來說，這段經(jīng)歷讓我對實際工作環(huán)境有了直觀認識，以后真得加強系統(tǒng)設計這塊。三、總結與體會這8周，從2023年6月5日到8月23日，感覺像是突然被推到了真實的世界里。以前寫代碼，感覺跑通就行，現(xiàn)在得考慮成本、效率、穩(wěn)定性，這變化挺大的。比如那個用LRU優(yōu)化緩存的活兒，改前系統(tǒng)高峰期卡得厲害，改后接口延遲直接從250毫秒降到45毫秒，QPS上去了12000，這讓我明白技術真的能帶來改變，也體會到肩上得擔著點什么了。實習最大的價值，我覺得是把學校學的那些理論和實際應用搭上了橋。分布式、高并發(fā)這些概念，光看書感覺是虛無縹緲的，但真去調(diào)優(yōu)Redis、看Prometheus的曲線，就懂了。比如發(fā)現(xiàn)消息隊列延遲，得結合JVM參數(shù)和線程池配置去解決，這比單純寫代碼要有挑戰(zhàn)多了?，F(xiàn)在回頭看，那些熬夜查資料、對著日志找Bug的夜晚，真沒白費?？箟耗芰Υ_實是練出來了，以前遇到問題想逃避，現(xiàn)在會想方設法解決。這次經(jīng)歷也讓我更清楚自己想要什么了。我發(fā)現(xiàn)自己對算法這塊還是挺感興趣的，但光會算法不夠，還得懂系統(tǒng)設計、懂工程實踐。未來打算深挖一下Flink和Elasticsearch的組合，把項目里的實時分析模塊再研究研究，爭取把Flink的窗口算法搞得更明白。實習里看到他們用的一些技術，比如基于Kubernetes的藍綠部署，我打算找個時間系統(tǒng)學學。感覺這塊經(jīng)驗在求職時絕對是個加分項，至少簡歷上能寫清楚做了啥、數(shù)據(jù)多好。行業(yè)趨勢吧，感覺AI和大數(shù)據(jù)這塊是越來越火，但技術也在快速迭代。比如流處理現(xiàn)在不光要求實時性，還要考慮容錯和一致性，這對我是個挑戰(zhàn)也是個機會。以后學習肯定得跟上節(jié)奏，比如看下Redis6的新特性，或者學學gRPC怎么優(yōu)化微服務通信?？偟膩碚f，這段實習讓我從一個只會敲代碼的學生，向一個能面對問題、承擔責任的人轉變了，這種感覺挺棒的。以后不管是考研還是找工作，這段經(jīng)歷都將成為我寶貴的財富。致謝2023年6月5日至8月23日的實習期間，我得到了很多幫助。感謝實習單位給予的實踐機會，讓我接觸到了真實的工程項目。感謝導師在項目中的悉心指導，尤其是在LRU緩存優(yōu)化和Flink流處理方案選