Java-разработчик

Реализовал модуль интеллектуального тарифообразования, обрабатывающий до 7800 событий из Kafka в минуту при p95 < 120 мс, включая классификацию (город/загород) через 2ГИС и расчёт по
матрице расстояний до кассового центра.
● Разработал механизм расчёта тарифов, при пиковых нагрузках перенаправляющий до 60% запросов на предрасчитанные матрицы, что повысило отказоустойчивость (fault tolerance) и обеспечило SLA 99.9% при нагрузке до 6k+ запросов/мин
● Интегрировался с ИИ-модулем, реализовав обработку неструктурированных документов (Excel, Word и др.) с трансформацией в JSON по схемам, автоматизировав до 80% ручной обработки и обеспечив точность ~90%
● Оптимизировал работу с базой данных PostgreSQL, сократив время обработки заявок, в которых
больше 5000 объектов сократилось с 8 до менее чем 2,7 секунд.
● Разработал парсер входных данных на основе Apache POI и custom logic, позволяющего
обрабатывать разнообразные форматы и объединять их с JSON-схемами.

Разработал сервис для получения истории остатков с фильтрацией и пагинацией — Spring MVC, Criteria API.
● Инициировал и выполнил рефакторинг и переработку системы сбора метрик, переведя её на
сквозной функционал с использованием Spring AOP. Обеспечил прозрачность и
централизованность логики сбора метрик, устранив необходимость дублирования кода во всех модулях приложения.
● Оптимизировал SQL-запросы, сократив среднее время отклика отчёта об остатках с 700 до 500 мс, устранив пиковые тайм-ауты при массовом использовании.
● Интегрировал сервис с внешней системой прогнозирования спроса, используя RestTemplate и валидацию JSON-ответов, обеспечив автоматическую фильтрацию и логирование некорректных данных.
● Реализовал механизм уведомлений о дефиците товаров, отправляющий Kafka-события в downstream-сервисы.
● Повысил покрытие unit-тестами с 38% до 77% — использовал JUnit, Mockito и TestContainers для тестирования взаимодействия с PostgreSQL.
● Инициировал внедрение MapStruct, унифицировав и стандартизировав преобразование
сущностей в DTO, что позволило сократить объём boilerplate-кода на ~40%

● Реализовал механизм пакетной обработки данных, сократив время обработки больших объёмов информации на ~35% за счёт оптимизации batch-операций
● Реализовал миграции и версионирование схемы базы данных
● Реализовал валидацию настроек на уровне БД с использованием триггеров и SQL-функций,
исключив некорректные значения при сохранении
● Реализовал кэширование (Redis), снизив нагрузку на базу данных на ~35%
● Покрыл ключевую бизнес-логику unit-тестами ~70%.