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%。

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。