负责公司在线教育平台核心业务数据库（MySQL 8.0集群、TiDB 7.5分布式集群）的全生命周期运维，涵盖高可用架构迭代、性能瓶颈根因诊断与优化、数据安全合规管控及自动化运维体系深度搭建，边界覆盖从日常监控告警到P0级故障应急响应的全流程，支撑日活超500万用户的课程交易、直播互动等关键场景。

• 主导设计TiDB分布式集群跨AZ容灾方案，针对大促期间跨机房延迟敏感问题，通过调整PD调度策略（基于Location Labels绑定机架感知）+ 优化TiKV Region副本分布算法，将跨AZ读写延迟从23ms压降至8ms内；同步落地Chaos Mesh混沌演练，验证单机房故障场景下30秒内自动切换能力，全年P0级故障发生次数从4次降至0次。
• 针对用户订单表高频写入导致的MySQL主库CPU峰值超90%问题，通过Percona Toolkit分析慢查询日志定位到批量插入缺少批量提交机制，优化代码层批量提交大小（从100条/批调整至500条/批）并新增二级索引覆盖查询热点字段，QPS从1.2万提升至2.1万，CPU利用率稳定在65%-75%区间，月均故障响应时长从25分钟压缩至7分钟。
• 推动数据库自动化运维平台二期建设，基于Ansible Tower实现TiDB集群扩缩容、MySQL备份策略动态调整等12个高频操作的代码化编排，将人工干预步骤减少70%；同步集成Prometheus+Grafana监控体系，自定义23个核心指标告警规则（如InnoDB Buffer Pool命中率<90%、锁等待超时数>5次/分钟），告警准确率从68%提升至92%。
• 主导完成GDPR数据脱敏合规改造，针对用户手机号、身份证号等敏感字段，设计基于MySQL透明数据加密(TDE)+ 应用层脱敏函数的双重防护方案；通过pt-archiver工具分批次迁移历史全量数据至脱敏库，同步校验源库与脱敏库数据一致性（差异率<0.001%），提前2周通过第三方合规审计。

承担公司SaaS化企业培训平台数据库（MySQL 5.7主从集群、Redis缓存数据库）的日常运维，聚焦性能优化、容量规划及灾备能力提升，支撑年营收超10亿的课程售卖、学员学习行为追踪等业务场景。

• 针对营销活动期间数据库连接数暴涨导致的主库阻塞问题，通过分析show processlist日志发现大量短连接未及时释放，推动开发侧优化连接池配置（最大连接数从500调整至300+空闲超时时间从300s缩短至60s），并在数据库层启用线程池插件（Thread Pool），连接数峰值从1200降至500，事务响应时间中位数从200ms降至80ms。
• 主导MySQL主从集群从一主两从升级为一主三从+级联复制架构，同步引入MHA+Orchestrator双故障切换工具，实现主库宕机后自动选主（切换时间从45秒缩短至15秒内）；通过pt-heartbeat监控主从延迟，结合业务低峰期自动执行Seconds_Behind_Master补偿脚本，主从延迟超1秒时长占比从12%降至0.5%以下。
• 搭建数据库容量预测模型，基于历史业务增长数据（课程数月均增长20%、学员数月均增长15%），利用Python编写线性回归预测脚本，提前3个月预警存储空间不足风险；推动归档冷数据至对象存储（MinIO），并通过MySQL分区表实现热冷数据分离，存储成本降低35%，全量备份耗时从8小时缩短至3小时。
• 全程参与公司灾备中心建设，完成MySQL物理备份（XtraBackup）+ 逻辑备份（mysqldump）双策略配置，验证跨城灾备恢复RTO<2小时、RPO<5分钟；同步制定数据回滚SOP，通过binlog增量恢复演练，将误删表数据恢复时间从2小时压缩至40分钟内。

负责公司内部管理系统数据库（SQL Server 2016、MySQL 5.6）的基础运维，包括日常监控、备份恢复、简单性能调优及开发侧SQL审核支持，保障HR系统、财务审批系统等内部应用的稳定运行。

• 搭建MySQL数据库监控体系，部署Zabbix模板采集QPS、连接数、慢查询数等15项核心指标，设置分级告警阈值（如慢查询>100条/小时触发预警）；通过编写Shell脚本自动清理30天前的binlog文件，存储占用空间降低40%，全年因磁盘满导致的数据库宕机事件清零。
• 主导解决财务系统报表查询慢问题，使用EXPLAIN分析SQL执行计划发现全表扫描问题，推动开发添加联合索引（覆盖订单金额、时间字段），查询耗时从8秒降至1.2秒；同步优化MySQL配置参数（innodb_buffer_pool_size从4G调整至8G），缓冲池命中率从78%提升至92%。
• 参与核心业务数据库从SQL Server迁移到MySQL的项目，使用SSMA（SQL Server迁移助手）完成表结构转换，针对存储过程差异手动编写兼容SQL；通过pt-table-checksum校验迁移前后数据一致性（差异记录数0），迁移期间业务停机时间仅1小时，较原计划缩短50%。
• 建立开发侧SQL审核流程，基于Sqitch制定SQL编写规范（如禁止SELECT *、索引命名规则），通过定期培训+自动化审核工具（Yearning）拦截高危SQL（如无索引全表更新），上线后生产环境因SQL问题导致的慢查询减少65%。

分布式链路追踪系统深度优化与成本管控项目

• 公司业务从单一电商扩展至本地生活、直播等多领域，微服务数量1年内从800个增至1800个，原有Zipkin链路追踪系统出现核心查询延迟超5秒、月存储成本破120万元的瓶颈，无法支撑跨团队故障定位需求。我的目标是重构系统架构，实现“高性能查询+低成本存储”平衡，并适配多业务线可观测性要求。
• 项目面临两大技术挑战：一是原有Elasticsearch集群因按服务名分索引无时间序列划分，导致热点数据集中、查询IO过高；二是冷数据无分层策略，30天以上trace数据仍占用核心存储。我选择以OpenTelemetry统一数据采集，替代原有Zipkin SDK降低开销；针对ES设计“时间+业务线”二级索引，结合索引生命周期管理（ILM）实现自动化冷热分离。
• 我主导三项关键行动：1）开发自定义OpenTelemetry Exporter，过滤内部心跳等无效trace，采集量降低35%；2）重构ES集群为“年-月-日”时间分片+业务线标签路由，查询时通过时间范围快速定位分片；3）搭建冷数据迁移pipeline，将超30天数据同步至阿里云OSS，通过ILM自动清理核心集群过期数据。同时搭建链路数据质量监控平台，实时告警数据异常。
• 项目上线后，核心查询延迟从5.2秒降至180毫秒内，支撑100+并发无压力；月存储成本降至72万元，降幅40%；跨团队故障定位时间从45分钟缩至15分钟内。该系统成为公司可观测性平台核心组件，支撑直播、本地生活业务快速上线，我个人主导了公司可观测性标准制定。

电商大促场景下容器化资源弹性伸缩系统研发

• 公司电商大促期间流量峰值达日常5-8倍，传统Kubernetes HPA依赖CPU、内存指标，存在响应滞后问题——常出现“流量来了资源没跟上”或“大促后闲置”。我的目标是从0到1研发融合多维度指标的弹性伸缩系统，支撑资源精准调度。
• 难点在于定义“合理伸缩触发条件”：单一指标无法覆盖业务场景，多指标融合易冲突。我收集近3年大促数据，分析得出“订单队列长度+库存变更率+CPU利用率”组合指标最反映业务压力。技术上以Prometheus采集指标，Grafana可视化，通过自定义控制器联动Kubernetes API实现动态扩缩容；同时设计“预扩容”机制，大促前1小时基于历史流量预测模型提前扩容20%。
• 我核心行动：1）开发多指标加权评分算法，整合订单、库存、CPU指标设定动态阈值（如订单队列超1000且库存变更率>5%触发扩容）；2）用LSTM算法训练大促前7天流量数据，预测下一小时请求量，误差<8%；3）编写Kubernetes Operator实现指标采集-决策-调整自动化闭环。过程中优化镜像预加热和节点亲和性，将Pod启动时间从45秒缩至15秒。
• 系统上线后，大促资源利用率从35%升至65%，节省200+台ECS成本；故障次数从12次降至2次；支撑618期间12万QPS峰值，订单成功率99.95%以上。该项目成为大促保障核心工具，我因贡献晋升资深运维开发，后续推动系统推广至其他业务线。

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。