负责电商平台核心MySQL数据库集群日常运维，保障服务稳定性，配合研发团队完成SQL优化及故障排查，支撑电商大促、日常订单提交等峰值场景的数据库支撑工作

• 主导分析电商618大促期间订单库慢查询问题，使用Percona Toolkit提取3天慢日志（累计120GB），定位到23条高频SQL存在索引缺失及行锁竞争问题，通过新增覆盖索引、调整事务粒度优化后，QPS平均延迟从50ms降至15ms，大促期间订单提交成功率从88%提升至99.2%
• 搭建基于Prometheus+Grafana的数据库监控体系，整合连接数、慢查询占比、主从复制延迟、磁盘IO利用率等12项核心指标，设置三级告警阈值（如主从延迟超10s触发P1告警、连接数超80%触发P2告警），将故障平均响应时间从30分钟缩短至5分钟内，全年因监控遗漏导致的故障次数为0
• 配合研发完成用户中心数据库分库分表落地，使用ShardingSphere-Proxy实现按用户ID哈希分片（分4库16表），将单库数据量从1.2亿条拆分至3000万条/库，单表数据量控制在1500万条以内，解决了原单库写入QPS上限1200的问题，支撑用户注册量月均增长20%

负责公司南北两地数据中心MySQL多活架构设计与运维，主导性能深度优化及自动化工具开发，支撑业务从1000万DAU增长至3000万DAU的数据库扩容与高可用需求

• 主导设计跨AZ的MySQL Group Replication多活架构，替代原有的主从同步方案，通过调整group_replication_member_weight参数实现自动故障转移，两地数据中心数据同步延迟≤50ms，全年数据库可用性从99.9%提升至99.99%，未发生因数据同步问题导致的业务中断
• 针对双11期间商品库CPU利用率过高（峰值95%）问题，通过sys schema分析innodb_row_lock_waits及temp_table_usage指标，定位到促销活动SQL频繁创建临时表导致IO消耗，优化SQL语句减少临时表使用（将子查询改为join），并将InnoDB buffer pool size从40G调整至服务器内存的70%（64G），CPU利用率降至65%，支撑单日订单量突破500万笔
• 自主开发数据库自动化运维工具，基于Ansible Tower实现数据库部署（含主从同步配置）、版本升级（5.7→8.0）及参数配置的标准化，将人工操作步骤从15步减少至3步，部署效率提升80%；同时通过SaltStack实现配置文件集中管理，避免了因my.cnf配置不一致导致的3次主从同步中断故障

统筹公司全链路数据库治理，涵盖架构优化、成本管控、团队技术指导及云原生转型，支撑业务向Serverless、分布式架构演进

• 推动数据库成本优化项目，梳理全量86个MySQL实例，将低效的单实例（日均QPS<100）迁移至腾讯云TDSQL-C（Serverless），结合业务峰谷（早8点-晚10点扩容至100节点、其余时间缩容至10节点），全年数据库成本降低30%，同时保障了大促期间弹性扩容需求
• 主导云原生数据库架构转型，引入TiDB分布式数据库替换原有的分库分表方案，支撑用户行为日志库从日均10TB数据增长至50TB，通过TiDB的水平扩展能力新增10个节点，查询延迟稳定在20ms以内，解决了分库分表带来的跨库join复杂、维护成本高的问题
• 建立数据库团队技术培训体系，每月组织技术分享（如MySQL 8.0窗口函数、TiDB分布式事务原理、慢查询优化实战），覆盖团队8名成员，团队成员通过TiDB认证工程师考试占比从0提升至75%；同时制定《数据库操作规范》《故障处理SOP》，将人为操作失误导致的故障占比从15%降至3%
• 负责重大故障复盘与改进，针对2024年9月缓存穿透导致的数据库压力骤增事件（CPU峰值98%），推动研发增加热点数据预加载机制（提前将TOP1000商品数据加载至Redis），并在数据库层启用读写分离（从库承担30%读请求），后续同类事件发生率降低90%，数据库CPU峰值下降40%

星途游戏云原生全生命周期运维平台研发及规模化落地项目

• 星途互娱核心游戏业务从传统IDC向阿里云K8s集群迁移过程中，面临运维工具碎片化（分散在Jenkins、Zabbix、自建CMDB等系统）、故障排查耗时（平均45分钟/次）、发布效率低（单服务部署需15分钟）等问题。我作为平台核心设计者，目标是打造覆盖“部署-监控-故障自愈-容量规划”的云原生全链路运维平台，支撑10+款月活千万级游戏的稳定运营。
• 项目核心挑战有两点：一是混合资源管理——部分老游戏仍运行在OpenStack虚拟机，需统一纳管K8s Pod与传统VM的资源视图；二是故障根因定位慢——游戏故障常涉及“客户端-网关-逻辑服-数据库-第三方支付”多链路依赖，传统日志检索无法快速关联异常。
• 针对混合资源问题，我设计了“资源抽象层”技术方案：基于OpenAPI封装K8s与OpenStack的底层接口，向上暴露统一的“虚拟机/容器”资源模型，同时用Ansible Tower实现两类资源的配置同步，解决了跨环境的运维一致性；针对故障定位，我主导引入“链路追踪+日志关联”体系——用Jaeger采集全链路调用 trace，结合ELK Stack的Logstash插件将trace ID注入应用日志，开发了“故障溯源引擎”，支持输入用户投诉的“登录失败”症状，自动关联数据库慢查询、API响应超时、缓存穿透等根因。
• 项目上线6个月内，支撑完成12款游戏的全量云原生迁移：部署效率提升60%（单服务部署降至6分钟内），故障平均排查时间缩短至8分钟以内，全年减少因运维响应慢导致的用户流失营收约200万元。我个人主导了平台70%的核心模块开发（资源管理、故障自愈），并输出《星途云原生运维平台操作规范》，成为团队标准。

星途CDN智能缓存优化系统研发项目

• 星途互娱游戏分发依赖第三方CDN厂商，但存在两大痛点：一是缓存命中率波动大（日均70%-80%），突发流量（如新游上线）易导致源站带宽峰值超标；二是缓存策略依赖人工经验，无法适配不同游戏的内容热度变化（如MMORPG的大地图资源 vs 休闲游戏的轻量化素材）。我作为运维开发负责人，目标是构建“数据驱动的CDN缓存智能调整系统”，降低源站压力与带宽成本。
• 项目难点在于“实时性与准确性平衡”：CDN节点分布全球20+地区，需秒级采集流量、缓存命中、用户地域等数据，同时机器学习模型需准确预测不同游戏的“热点内容生命周期”（如某皮肤的上线热度期）。
• 我从三方面突破：1）数据 pipeline 搭建——用Flink实时消费CDN厂商API的流量日志，清洗后将“内容URL、访问频次、地域分布”等指标写入ClickHouse；2）模型优化——针对游戏内容“短周期热点”特点，放弃传统LR模型，改用LightGBM融合“内容类型、上线时间、用户画像”特征，预测内容的“未来2小时访问量”；3）自动化执行——开发Python脚本对接CDN厂商的管理接口，根据模型预测结果动态调整节点缓存TTL（如预测某资源未来1小时访问量将上涨50%，则延长TTL至2小时）。
• 系统上线后，CDN缓存命中率从75%提升至88%，源站带宽成本每年降低约300万元；同时支撑了《星途纪元》上线时峰值日活1200万的活动，未出现因CDN缓存失效导致的源站宕机。我主导了数据采集模块与模型落地脚本的开发，还优化了特征工程（新增“游戏版本更新时间”维度），使预测准确率从72%提升至85%。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。