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%。

游戏直播平台全链路高可用运维体系重构与自动化提效项目

• 星途互娱旗下核心游戏直播平台承载日均1000+场电竞赛事直播，峰值并发用户超1500万。此前运维体系依赖传统虚拟机部署，存在单点故障多（如数据库主节点宕机需人工切换）、故障恢复时长平均45分钟、自动化部署率仅30%等问题，严重影响用户体验与业务稳定性。我的核心职责是主导全链路高可用架构重构，搭建自动化运维平台，支撑平台从“被动救火”向“主动防御”转型。
• 项目面临三大关键挑战：1）旧架构中数据库、缓存层仍采用单实例部署，无法快速 failover；2）多环境（开发/测试/预发布/生产）配置不一致，导致部署失败率达25%；3）流量峰值时需人工扩容，响应滞后导致部分用户卡顿。针对这些问题，我选择以Kubernetes为核心容器编排引擎，结合Istio服务网格实现流量治理，用Prometheus+Grafana构建全链路监控体系，并通过Ansible实现配置标准化管理。
• 具体行动包括：1）牵头梳理核心业务链路（赛事直播推流→转码→分发→播放），将数据库从单实例迁移至MySQL Group Replication集群，缓存层升级为Redis Cluster，通过K8s StatefulSet保障有状态服务的稳定性；2）开发基于GitOps的配置中心，将各环境配置统一存储于Git仓库，通过Argo CD实现配置自动同步，彻底解决配置漂移问题；3）自研故障自愈系统——基于K8s Operator封装常见故障处理逻辑（如Pod重启、节点负载均衡），结合Prometheus告警规则触发自动修复，将故障处理从“人工干预”转为“系统自治”；4）设计基于HPA（Horizontal Pod Autoscaler）+ CA（Cluster Autoscaler）的弹性伸缩策略，根据CPU利用率与直播流量峰值动态调整Pod数量与节点规模。
• 项目成果显著：1）全链路故障恢复时间从45分钟降至5分钟内，全年重大故障（P0级）发生次数从8次降为0；2）自动化部署率提升至90%，部署时长从2小时缩短至15分钟，研发迭代效率提升40%；3）资源利用率从35%提升至75%，年服务器成本降低300余万元；4）支撑平台日活用户从500万增长至1200万，赛事直播卡顿率从12%降至2%以下。此项目不仅奠定了公司运维体系的标准化基础，也让我从“运维执行层”成长为“技术方案设计主导者”，后续该体系被推广至公司旗下短视频、游戏社区等业务线。

• 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。