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

星途游戏云原生全生命周期运维平台研发及规模化落地项目

• 星途互娱核心游戏业务从传统IDC向阿里云K8s集群迁移过程中，面临运维工具碎片化（分散在Jenkins、Zabbix、自建CMDB等系统）、故障排查耗时（平均45分钟/次）、发布效率低（单服务部署需15分钟）等问题。我作为平台核心设计者，目标是打造覆盖“部署-监控-故障自愈-容量规划”的云原生全链路运维平台，支撑10+款月活千万级游戏的稳定运营。
• 项目核心挑战有两点：一是混合资源管理——部分老游戏仍运行在OpenStack虚拟机，需统一纳管K8s Pod与传统VM的资源视图；二是故障根因定位慢——游戏故障常涉及“客户端-网关-逻辑服-数据库-第三方支付”多链路依赖，传统日志检索无法快速关联异常。
• 针对混合资源问题，我设计了“资源抽象层”技术方案：基于OpenAPI封装K8s与OpenStack的底层接口，向上暴露统一的“虚拟机/容器”资源模型，同时用Ansible Tower实现两类资源的配置同步，解决了跨环境的运维一致性；针对故障定位，我主导引入“链路追踪+日志关联”体系——用Jaeger采集全链路调用 trace，结合ELK Stack的Logstash插件将trace ID注入应用日志，开发了“故障溯源引擎”，支持输入用户投诉的“登录失败”症状，自动关联数据库慢查询、API响应超时、缓存穿透等根因。
• 项目上线6个月内，支撑完成12款游戏的全量云原生迁移：部署效率提升60%（单服务部署降至6分钟内），故障平均排查时间缩短至8分钟以内，全年减少因运维响应慢导致的用户流失营收约200万元。我个人主导了平台70%的核心模块开发（资源管理、故障自愈），并输出《星途云原生运维平台操作规范》，成为团队标准。

星途CDN智能缓存优化系统研发项目

• 星途互娱游戏分发依赖第三方CDN厂商，但存在两大痛点：一是缓存命中率波动大（日均70%-80%），突发流量（如新游上线）易导致源站带宽峰值超标；二是缓存策略依赖人工经验，无法适配不同游戏的内容热度变化（如MMORPG的大地图资源 vs 休闲游戏的轻量化素材）。我作为运维开发负责人，目标是构建“数据驱动的CDN缓存智能调整系统”，降低源站压力与带宽成本。
• 项目难点在于“实时性与准确性平衡”：CDN节点分布全球20+地区，需秒级采集流量、缓存命中、用户地域等数据，同时机器学习模型需准确预测不同游戏的“热点内容生命周期”（如某皮肤的上线热度期）。
• 我从三方面突破：1）数据 pipeline 搭建——用Flink实时消费CDN厂商API的流量日志，清洗后将“内容URL、访问频次、地域分布”等指标写入ClickHouse；2）模型优化——针对游戏内容“短周期热点”特点，放弃传统LR模型，改用LightGBM融合“内容类型、上线时间、用户画像”特征，预测内容的“未来2小时访问量”；3）自动化执行——开发Python脚本对接CDN厂商的管理接口，根据模型预测结果动态调整节点缓存TTL（如预测某资源未来1小时访问量将上涨50%，则延长TTL至2小时）。
• 系统上线后，CDN缓存命中率从75%提升至88%，源站带宽成本每年降低约300万元；同时支撑了《星途纪元》上线时峰值日活1200万的活动，未出现因CDN缓存失效导致的源站宕机。我主导了数据采集模块与模型落地脚本的开发，还优化了特征工程（新增“游戏版本更新时间”维度），使预测准确率从72%提升至85%。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。