负责公司混合云（阿里云+私有云）平台全生命周期运维，涵盖K8s集群管控、跨云资源编排、大促高可用保障及云成本优化，支撑电商业务峰值20万QPS的核心场景。

• 主导设计混合云K8s集群架构，基于Terraform抽象跨云资源模型，开发自定义Provider解决阿里云ECS与私有云OpenStack实例参数差异问题，实现‘一套代码多云部署’；集群部署耗时从4小时压缩至45分钟，多环境配置不一致故障率下降60%。
• 为应对双11流量洪峰，引入KubeFed实现跨AZ服务联邦调度，结合Prometheus自定义告警规则（覆盖节点负载、Pod驱逐风险等12类指标），并通过HPA+CA动态扩缩容；大促期间集群可用性达99.99%，较去年同期提升0.9个百分点，未发生因运维问题导致的业务中断。
• 推动云成本深度优化，基于AWS Cost Explorer与阿里云账单分析，将70%的EC2实例从按需付费转为3年预留+Spot混合模式，同步落地Karpenter自动扩缩容工具；年度云成本降低35%（约280万元），同时通过优先级队列+快速重建机制将Spot实例中断导致的业务影响控制在0.1%以内。
• 牵头搭建云原生可观测性平台，集成OpenTelemetry SDK采集指标/日志/链路数据，定制Grafana仪表盘覆盖商品详情、订单支付等90%核心链路；结合Thanos实现监控数据长期存储与聚合查询，故障定位时间从平均30分钟缩短至5分钟内，存储成本降低40%。

负责公司私有云平台（基于OpenStack改造）日常运维，支撑内部OA系统、商家SaaS服务及测试环境，聚焦稳定性保障与自动化能力构建。

• 核心参与‘OpenStack向K8s迁移’项目，制定分批次迁移策略（先非核心服务后交易类服务），使用Velero完成300+存量服务的无状态迁移，迁移后资源利用率从30%提升至60%，单服务运维人力投入减少50%；针对MySQL等有状态服务，开发Operator兼容旧存储卷挂载逻辑，确保业务零感知。
• 构建自动化运维流水线，基于Ansible编写角色模板（含CentOS初始化、Nginx/Tomcat部署、防火墙配置），集成Jenkins实现‘代码提交-测试-上线’全流程自动化；故障恢复时间从2小时缩短至15分钟，人工操作失误率下降85%。
• 优化监控体系，部署ELK Stack集中管理500+服务器日志，配置Logstash过滤规则提取‘支付超时’‘接口500错误’等业务关键词，结合Alertmanager设置分级告警（P0级5秒推送钉钉群）；重要故障发现时效从1小时提升至2分钟内，客户投诉率下降25%。

负责公司物理机与VMware虚拟化平台运维，保障研发测试环境及生产系统稳定，积累基础运维与问题排查经验。

• 主导搭建VMware vSphere虚拟化平台，规划8节点ESXi集群、vSAN分布式存储及VRRP网络策略，支撑500+虚拟机运行；通过HA（高可用）与DRS（动态资源调度）配置，年故障停机时间少于2小时，达到SLA 99.95%要求。
• 开发Python脚本自动化创建虚拟机模板（预装CentOS+GitLab+Jenkins），并集成到自研运维平台；测试环境交付周期从3天缩短至4小时，研发团队迭代效率提升30%。
• 建立容量管理机制，每周分析CPU/内存/存储使用趋势，结合业务上线计划预测资源需求；提前3个月完成服务器扩容，生产环境资源冗余率从40%降低至15%，年硬件采购成本节省约80万元。

• 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。

电商大促高可用保障体系全链路升级项目

• 项目背景：公司核心电商平台承载年GMV超100亿的业务，过往大促（如双11、618）依赖人工巡检与被动故障响应，SLA仅99.5%，曾因数据库慢查询、缓存击穿导致页面宕机3次，影响订单转化率。目标是构建“预防-监控-处置”全链路自动化保障体系，将大促SLA提升至99.95%以上。
• 关键难题：1）多系统（订单、库存、支付、物流）耦合下，故障根因定位耗时平均15分钟；2）流量峰值（单秒10万QPS）下，资源弹性伸缩滞后，曾出现库存服务CPU飙升至90%未及时扩容；3）跨团队（开发、测试、运维）预案协同混乱，故障处置时职责不清。
• 核心行动：1）主导基于Jaeger的全链路追踪平台建设，整合12个核心系统的trace数据，通过自定义标签（如订单ID、用户地域）实现故障秒级溯源，定位时间缩短至2分钟内；2）设计“历史流量+实时舆情”的动态容量预测模型（用Python实现LSTM算法），预测准确率达92%，联动阿里云弹性伸缩规则，将资源扩容时间从30分钟压缩至5分钟；3）开发混沌演练平台，覆盖“网络延迟、节点宕机、数据库主从切换”8类高频故障场景，推动制定《大促故障处置SOP》，并将跨团队演练频率从季度改为月度，协同效率提升40%。
• 项目成果：大促期间SLA稳定在99.95%以上，故障响应时间从15分钟降至2分钟，年度因故障导致的订单损失减少约800万元；资源弹性成本降低18%（年节省云费用120万）。本人主导了全链路体系的架构设计与落地，推动跨部门建立了标准化的故障处置流程，成为公司大促保障的核心技术负责人。

容器化微服务治理平台自主研发项目

• 项目背景：公司微服务数量从20个增长至50+，依赖第三方容器平台（如某云ACK）不仅年费用超300万，且缺乏针对业务的流量治理、资源调度能力（如活动服务需优先分配资源）。目标是自主研发轻量化容器治理平台，支撑微服务高可用与成本优化。
• 关键难题：1）第三方平台无法实现“按业务优先级”的资源抢占，活动高峰期常因资源竞争导致核心服务延迟；2）微服务间流量调度单一，无法支持灰度发布时的按用户分层放量；3）平台扩展性差，新增微服务需手动配置监控与熔断规则。
• 核心行动：1）基于Kubernetes Operator模式开发“业务优先级调度模块”，通过自定义ResourceQuota与PriorityClass，实现活动服务在大促时自动抢占非核心服务资源，资源利用率从45%提升至65%；2）集成Istio服务网格，设计“用户标签+权重”的灰度发布策略，支持按新用户/老用户、地域分层放量，将灰度故障影响范围缩小至5%以内；3）构建自动化规则引擎，通过Prometheus采集的指标（如QPS、延迟）自动生成熔断与降级策略，无需人工干预，微服务故障次数减少50%。
• 项目成果：平台上线后替代了第三方容器平台的核心功能，年节省费用300万；微服务平均延迟从80ms降至50ms，故障恢复时间从30分钟缩短至5分钟；平台可用性达99.99%，支持公司微服务数量扩张至80+。本人主导了平台的核心模块研发与架构设计，解决了微服务治理的关键痛点，推动公司技术栈从“依赖第三方”转向“自主可控”。