Дмитрий Висков

■ Ключевая задача - разработка системы, агрегирующей дорожные события, трафик и метео данные.
■ СТЕК: Koltin, Spring, PostgreSQL, Clickhouse, JOOQ, RabbitMQ, PostGIS.

- Проект: Автоматизированная система управления дорожным движением нового поколения (умные дороги и их цифровые двойники, инфраструктура для беспилотного и подключенного транспорта на основе оборудования, аппаратных компонентов).

ФУНКЦИОНАЛ:
• Создание CRUD-сервисов и универсальных адаптеров для обработки разнородных данных;
• Реализация интеграций со сторонними сервисами;
• Разработка масштабируемых решений с применением различных подходов, документирование API;
• Миграция и объединение разрозненных legacy-проектов в единую систему с сохранением бизнес-логики;
• Настройка взаимодействия между внутренними сервисами компании, оптимизация обмена данными через единый API-шлюз.

КЛЮЧЕВЫЕ ДОСТИЖЕНИЯ:
✓ Успешно реализовал миграцию с Java 11 на Java 21, обеспечив актуализацию зависимостей и сохранение обратной совместимости;
✓ Провёл глубокий рефакторинг критичных компонентов, увеличив производительность системы более чем в 3 раза (с 11 до 35 RPS);
✓ Оптимизировал работу адаптера для взаимодействия с внешними API, повысив стабильность и отказоустойчивость интеграций;
✓ Выявил и устранил ключевые узкие места в слоях доступа к БД и сетевого взаимодействия, значительно улучшив отклик и масштабируемость.

■ Ключевая задача - разработка системы для противодействия коррупционным схемам.
■ СТЕК: Koltin, Spring, PostgreSQL, Clickhouse, ArangoDB, Redis, Apache Kafka, Grafana, Jaeger.
■ Карьерный рост: Middle -> Senior Kotlin developer.

- Проект: разработка системы AML (Anti-Money Laundering) для банковского сектора.

ФУНКЦИОНАЛ:
• Разработка и внедрение масштабируемых архитектурных решений с учетом требований высокой доступности и отказоустойчивости;
• Технический анализ и декомпозиция бизнес-требований, оценка сложности реализации, рисков и ресурсозатрат;
• Создание и оптимизация распределенных high-load систем с горизонтальным масштабированием и балансировкой нагрузки;
• Диагностика и устранение критических инцидентов, включая анализ логов и метрик;
• Системный рефакторинг и оптимизация legacy-кода;
• Настройка систем мониторинга (Grafana, Jagger), создание дашбордов для оперативного выявления аномалий;
• Разработка и оптимизация запросов баз данных (ClickHouse, PostgreSQL, ArangoDB).

КЛЮЧЕВЫЕ ДОСТИЖЕНИЯ:
✓ Спроектировал и реализовал адаптер для безопасного взаимодействия со сторонней базой данных;
✓ Провёл профилирование и рефакторинг SQL-запросов, внедрил кэширование и оптимизировал индексы;
✓ Возглавил реализацию ключевого модуля: спроектировал архитектуру, распределил задачи в команде и обеспечил своевременный релиз, согласовав требования с заказчиком;
✓ Интегрировал Redis для кэширования часто запрашиваемых данных, разработал микросервисы для управления кэшем, что снизило нагрузку на основную БД и ускорило API.

■ Ключевая задача - разработка программ и веб-приложений для иностранных заказчик.
■ СТЕК: Java, Git, Java Spring Framework, Docker, Redis, Apache Kafka, PostgreSQL, Hibernate, PostGIS.

ФУНКЦИОНАЛ:
• Создание масштабируемых и отказоустойчивых сервисов на Java (17+) и Spring Framework;
• Оптимизация производительности и устранение узких мест;
• Участие в разработке микросервисной и монолитной архитектур;
• Интеграция с Apache Kafka для асинхронной обработки событий;
• Проектирование и оптимизация SQL-запросов;
• Использование Hibernate для объектно-реляционного отображения;
• Кэширование данных с помощью Redis, контейнеризация и деплой;
• Сборка и управление Docker-образами;
• Взаимодействие с заказчиком, обсуждение требований и предложение технических решений.

КЛЮЧЕВЫЕ ДОСТИЖЕНИЯ:
✓ Разработал авторизацию через Apple Sign-In, обеспечив безопасный вход для пользователей iOS-экосистемы;
✓ Интегрировал Google API, сократив время обработки данных на за счёт кэширования и асинхронных запросов;
✓ Внедрил Apache Kafka для асинхронной обработки событий, что сократило время отклика критически важных API на 25%;
✓ Разработал механизм rate-limiting (ограничители запросов), снизив нагрузку на API и предотвратив DDoS-атаки;
✓ Оптимизировал кеширование данных через Redis, уменьшив нагрузку на БД и ускорив ответы высоконагруженных эндпоинтов.