负责公司千万级用户在线教育平台核心业务数据库（MySQL/PostgreSQL）全生命周期管理，包括高可用架构设计、性能瓶颈攻坚、故障应急响应及自动化运维体系搭建，支撑课程订单、用户行为等关键场景的稳定运行

• 主导核心课程订单库（MySQL 8.0）高可用升级：原MHA+单主架构存在单点故障风险，通过引入Galera Cluster实现多主同步，结合ProxySQL做读写分离，解决高峰期主库QPS瓶颈（从8k提升至15k）；过程中针对Galera节点同步延迟（120ms→20ms内）问题，优化innodb_flush_log_at_trx_commit参数（1→2）并增加节点磁盘IO能力，保障数据一致性
• 解决用户行为日志库（PostgreSQL 14）慢查询痛点：用pg_stat_statements定位TOP 5慢查询（占比35%），通过重写嵌套子查询为JOIN、添加覆盖索引（user_id+action_time+course_id），将慢查询执行时间从1.2s降至80ms内；同时搭建pg_basebackup+ZFS快照自动备份体系，备份时间从4小时缩短至1.5小时，RPO从24小时降至15分钟
• 设计落地数据库自动化运维平台：用Python开发DB变更审批流程（集成Jenkins），实现DDL/DML变更自动化校验（检查索引冗余、外键约束），变更失败率从18%降至3%；结合Ansible实现参数模板化管理，支持开发/测试/生产环境一键同步，人工配置错误率减少80%
• 主导双11促销数据库全链路保障：模拟10万并发场景，提前识别课程支付库主从延迟（5s）问题，通过优化binlog传输格式（STATEMENT→ROW）、增加从库CPU资源（4核→8核），延迟降至500ms内；压测期间数据库可用性保持99.99%，支撑活动0宕机

负责公司电商业务MySQL数据库日常运维、性能优化及故障处理，参与高可用架构改造，保障千万级商品库存与订单数据可靠性

• 优化核心订单库（MySQL 5.7）主从延迟：原峰值延迟3s影响订单同步，通过分析slow log定位InnoDB锁等待问题，将批量更新拆分为小批次（每批100条）并调整隔离级别（RR→RC，验证业务一致性），延迟降至500ms内；同时增加从库binlog线程数（4→8），提升日志应用速度
• 搭建数据库性能监控体系：基于Prometheus+Grafana部署监控看板，覆盖QPS、TPS、连接数、缓存命中率等指标，设置缓存命中率低于80%告警；通过调整innodb_buffer_pool_size（8G→16G），缓存命中率从75%提升至92%，响应时间缩短40%
• 落地自动化备份与恢复方案：用XtraBackup实现物理备份，结合Python脚本自动上传OSS并定期验证恢复流程；成功处理一次误删订单表事故，通过备份+binlog恢复将数据丢失窗口控制在15分钟内
• 参与用户表水平拆分项目：针对单表5000万条数据，设计user_id哈希拆分方案，用ShardingSphere实现分库分表；迁移过程保障业务零downtime，通过双写同步数据，查询性能提升60%，单库连接数从200降至50

负责公司在线课程平台MySQL数据库基础运维、日常监控及简单故障处理，协助完成备份与参数优化，保障平台数据库稳定

• 数据库日常巡检与监控：每日检查连接数、慢查询、磁盘空间，用Navicat执行基础操作；搭建Zabbix监控体系，监控数据库存活与磁盘使用率，及时清理binlog和临时文件解决一次磁盘满问题，避免宕机
• 备份恢复实践：学习XtraBackup实现每日全量+每小时增量备份，定期测试恢复流程；成功恢复一次误删用户表数据，通过备份+binlog回滚至删除前10分钟状态，减少数据损失
• 简单性能优化：分析慢查询日志发现课程列表查询慢（800ms），通过添加course_category_id+create_time联合索引，查询时间降至150ms内；协助增大sort_buffer_size（256K→512K），提升排序操作性能
• 协助高可用改造：参与从单主到MHA架构升级，配置Master/Slave节点，测试故障切换流程（手动切换时间从30分钟缩短至5分钟），保障数据库高可用

全链路可观测体系0到1构建与云原生场景落地

• 项目背景：公司核心业务（在线教育直播+AI互动课）年增速超200%，现有监控体系存在“数据碎片化（分散在Prometheus、ELK、APM等多套系统）、故障定位依赖人工串联日志（MTTR均值35分钟）、业务指标与系统指标无法关联”三大痛点，严重影响用户体验与迭代效率。目标是构建覆盖“用户行为-业务逻辑-基础设施”的全链路可观测平台，将MTTR降低50%以上，支撑业务峰值（双11期间流量增长3倍）的稳定运行。
• 解决的关键难题：1）异构技术栈的数据兼容——既有K8s云原生应用（Spring Cloud gRPC），也有传统虚拟机部署的 legacy 服务；2）海量时序与日志数据的存储性能——日均产生15TB监控数据，原有Elasticsearch集群查询延迟超2秒；3）业务语义与技术指标的关联——比如“直播卡顿率”需关联到CDN节点带宽、服务器CPU负载、gRPC调用延迟多层级指标。
• 核心行动与创新：1）主导数据采集层设计：基于OpenTelemetry实现“统一探针+自定义扩展”，覆盖98%的业务服务（包括第三方SDK的traceID透传），解决了legacy服务无原生埋点的问题；2）存储层优化：采用ClickHouse分布式集群+时间序列分区策略，将日志查询延迟从2.1秒降至180ms以内，同时通过“冷热数据分层”降低存储成本40%；3）自研“业务-技术指标关联引擎”：用Redis做实时缓存，将用户行为标签（如“课程类型”“终端型号”）与系统指标（如“JVM堆内存”“数据库QPS”）进行多维关联，实现“点击课程卡顿”直接定位到“某CDN节点带宽跑满”的根因。
• 量化成果与价值：平台上线后，故障MTTR从35分钟降至12分钟（降低65%），监控覆盖率从70%提升至98%；支撑双11期间直播峰值并发12万+无重大故障，用户投诉率下降42%；成为公司“技术中台”的核心组件，支撑了后续3个新业务线的快速接入，节省了每年约200万的第三方监控服务成本。

容器化迁移自动化工具链与弹性伸缩平台研发

• 项目背景：公司初期容器化率仅40%，legacy应用（如PHP单体架构的课程管理系统）依赖人工部署，扩容需2-4小时，资源利用率不足25%（服务器闲置率高）。目标是搭建“自动化迁移+智能弹性伸缩”平台，将容器化率提升至90%以上，资源利用率翻倍，扩容时间降至分钟级。
• 解决的关键难题：1）legacy应用的容器化适配——部分应用依赖本地文件存储、静态IP，无法直接迁移到K8s；2）弹性伸缩策略的精准性——原有基于CPU的单一策略易导致“过度扩容”或“扩容滞后”；3）迁移过程的稳定性——批量迁移时易出现服务中断，影响用户使用。
• 核心行动与创新：1）开发“容器化适配助手”工具：通过Ansible剧本自动化处理本地存储挂载（映射到PVC）、静态IP分配（Service+Ingress规则自动生成），将单应用迁移时间从1天缩短至2小时；2）自研“复合指标弹性伸缩引擎”：结合Prometheus的系统指标（CPU、内存）与业务指标（如订单队列长度、直播推流并发数），采用加权评分策略（业务指标占比60%），解决了单一指标的局限性；3）设计“灰度迁移+回滚保障”流程：通过Istio做流量逐步切换，同时自动生成回滚脚本，将迁移故障影响范围控制在5%用户以内。
• 量化成果与价值：容器化率从40%提升至92%，服务器数量减少35%（节省硬件成本约300万）；资源利用率从25%提升至58%；弹性伸缩时间从小时级降至2.5分钟内，支撑了“暑期课程促销”活动流量增长5倍的平稳运行；该工具链被纳入公司“DevOps标准流程”，后续所有新应用均通过平台实现自动化容器化。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。