负责公司公有云（阿里云+华为云混合部署）平台日常运维、容量规划及成本优化，支撑电商大促、直播等核心业务高可用，推动云原生工具链落地

• 主导设计电商大促弹性扩缩容方案：基于阿里云ECS Auto Scaling结合Prometheus+Grafana监控（采集CPU、QPS、接口延迟指标），提前30天完成1:5峰值流量压力测试，大促期间资源利用率从45%提升至72%，支撑1200万UV并发未发生资源不足中断，较去年大促故障时长减少90%
• 解决混合云跨云网络延迟痛点：针对北京阿里云与上海华为云API调用延迟80ms问题，引入华为云CloudFabric SD-WAN优化VPC peering链路，将延迟降至25ms，订单系统跨云数据同步时效提升35%，彻底解决高峰期订单积压问题
• 推动年度云成本优化：用阿里云Cost Explorer定位30%冗余ECS实例与OSS存储桶，结合K8s资源配额管理回收闲置资源，年节省180万元；同时将非核心任务（日志归档、数据备份）迁移至Spot实例，进一步降低成本15%
• 搭建自动化运维工具链：用Ansible编写IaC脚本实现新实例自动创建、安全基线检查与配置下发，环境部署时间从2小时缩短至15分钟，人工配置错误率从每周3次降至每月1次以内，支撑研发团队快速迭代

负责私有云（OpenStack）平台运维及云服务交付，支撑内部OA、CRM系统运行，参与混合云架构前期调研与试点

• 修复OpenStack Nova节点宕机问题：分析日志定位内存泄漏缺陷，采用Kolla容器化部署替代传统虚拟机部署，节点故障恢复时间从45分钟缩短至10分钟，季度故障次数从8次降至2次，保障内部系统稳定性
• 推动云服务自助化：用OpenStack Horizon定制前端界面，结合Keystone身份认证实现开发团队自助申请ECS、块存储资源，申请流程从1天缩短至2小时，研发效率提升60%
• 输出混合云选型报告：对比AWS Outposts、Azure Stack Hub与华为云私有云对接方案，从架构兼容性、成本、运维复杂度三方面论证，推荐华为云混合云方案，为公司后续转型提供技术依据
• 优化Cinder存储性能：针对CRM系统启动慢问题，调整LVM条带化参数（4KB→64KB）并将存储后端从NFS切换至Ceph，卷挂载时间从30秒缩短至5秒，系统启动速度提升83%

协助云平台日常监控、故障排查及文档整理，参与公有云基础资源配给与成本统计

• 搭建云监控体系：用Zabbix配置公有云ECS实例CPU、内存、磁盘IO监控，设置阶梯告警阈值（如CPU持续5分钟>80%触发钉钉告警），故障发现时间从30分钟缩短至5分钟，支撑初期电商平台试运营稳定
• 基础资源自动化配置：用Terraform编写AWS EC2、S3配置脚本，实现新业务资源10分钟内自动创建，配置错误率从每周5次降至1次以内，缩短业务上线周期
• 云成本统计与优化：分析AWS Cost and Usage Report，输出《月度云成本分析报告》，识别3个超支部门并推动资源回收，季度云成本超支率从12%降至3%
• 协助S3访问慢故障排查：通过CloudTrail日志定位跨区域访问问题，将存储桶区域迁移至用户集中地，访问延迟从150ms降至30ms，解决用户上传文件慢的投诉

混合云环境下智能运维平台重构项目

• 项目背景：随着公司游戏业务全球化扩张，混合云（阿里云、腾讯云、AWS）资源规模突破10万+实例，原有运维平台存在跨云资源割裂、故障定位依赖人工、操作效率低等问题，导致核心游戏版本发布耗时超24小时，故障MTTR（平均修复时间）达45分钟。我的核心目标是主导重构平台，实现跨云资源统一管控与智能故障诊断，支撑业务快速迭代与稳定性保障。
• 解决的关键难题与技术：一是跨云资源统一建模——不同云厂商API协议、资源属性差异大，数据同步延迟高；二是智能故障诊断——原有规则引擎仅覆盖30%常见故障，误报率达35%，无法识别复杂链路问题。针对前者，我设计了“抽象资源模型+云原生适配器”方案，将EC2、CVM、ECS等资源映射为统一的“计算/存储/网络”维度模型，通过自研云API网关实现协议转换（RESTful→gRPC），结合Kafka异步队列解决数据同步一致性问题；针对后者，我推动引入AIOps能力，收集metrics（Prometheus）、logs（ELK）、traces（Jaeger）多维度数据，训练“XGBoost+LSTM”混合模型，实现故障根因定位（RCA）与异常预测。
• 核心行动与创新：牵头组建5人跨团队小组（云原生、算法、前端），历时6个月完成平台架构升级——底层采用微服务架构（Spring Cloud Alibaba），中间层封装跨云操作原子能力，上层提供“可视化管控+智能诊断”界面。创新点在于：1）轻量级机器学习推理框架集成，将模型推理延迟从1.2秒降至200ms，适配运维实时性要求；2）基于拓扑关系的故障传播链可视化，帮助运维人员快速理解故障影响范围。此外，我主导制定了《混合云运维操作规范》，将平台使用纳入团队SOP。
• 项目成果与价值：平台上线后，跨云资源操作效率提升60%（单实例创建耗时从5分钟降至2分钟），故障MTTR缩短至8分钟，版本发布耗时压缩至12小时内。支撑了《星途纪元》全球多区域同步上线（覆盖15个国家和地区），期间未发生因运维问题导致的宕机。该平台成为公司混合云运维核心系统，节省年度运维人力成本约30%（约120万元）。我个人也因此晋升为运维开发团队负责人，负责后续平台迭代。

直播业务边缘节点自动化运维工具链研发项目

• 项目背景：公司直播业务峰值并发超100万，边缘节点（覆盖全国31省CDN节点）从500个扩展至2000个，原有手动运维方式导致部署失败率高（75%）、故障处理滞后（30分钟内响应）。我的目标是构建边缘节点自动化运维工具链，实现“部署-监控-自愈”全流程闭环，保障直播低延迟与稳定性。
• 解决的关键难题与技术：一是边缘节点网络不稳定，自动化部署成功率低；二是监控数据量大（单节点日均产生5GB日志），实时分析能力不足。针对前者，我基于Ansible Tower优化部署流程，开发自定义模块实现“断点续传+三次重试”机制，解决弱网环境下的包丢失问题；针对后者，采用Prometheus联邦采集边缘metrics，结合EdgeX Foundry搭建边缘数据 gateway，用Flink实现实时流处理（窗口聚合、异常检测），将数据处理延迟从10分钟降至1分钟。
• 核心行动与创新：独立负责工具链需求调研与架构设计，梳理出“部署-配置-监控-故障处理”四大核心模块。创新点在于：1）轻量化边缘监控agent（体积<50MB），支持低资源环境运行；2）基于规则引擎+机器学习的故障自愈策略——常见故障（如进程重启、配置更新）自动处理，复杂故障触发告警并推送至移动端。此外，我编写了《边缘节点运维手册》，培训10名运维人员掌握工具使用。
• 项目成果与价值：工具链上线后，边缘节点部署成功率提升至98%，故障处理时间缩短至5分钟内，直播卡顿率从8%降至2%。支撑了公司直播业务全年无重大故障，节省边缘运维人力成本约25%（约80万元）。该项目让我从“执行型运维”转向“方案设计型运维”，积累了边缘计算运维的核心经验，为后续混合云项目奠定了基础。

• 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。