基于Python Pandas分析校内模拟交易数据集（样本量5000条），构建用户行为特征表。使用SQL优化查询语句，将报表生成时间从12秒降至3秒（本地MySQL 8.0环境）。通过可视化展示资金流向规律，识别出3类典型异常模式。撰写分析报告，阐述数据清洗逻辑及指标定义口径，体现对业务数据的敏感度与分析能力。

在Linux虚拟机集群（4节点）中部署Redis哨兵模式，实现主从自动切换功能。编写Java客户端代码模拟高频读请求，压测显示QPS达到800+（JMeter 5.4标准配置）。解决网络分区下的脑裂问题，调整超时参数确保数据最终一致性。通过该项目深入理解中间件原理及故障恢复机制，强化系统稳定性保障意识。