负责电商平台核心MySQL数据库集群日常运维，保障服务稳定性，配合研发团队完成SQL优化及故障排查，支撑电商大促、日常订单提交等峰值场景的数据库支撑工作

• 主导分析电商618大促期间订单库慢查询问题，使用Percona Toolkit提取3天慢日志（累计120GB），定位到23条高频SQL存在索引缺失及行锁竞争问题，通过新增覆盖索引、调整事务粒度优化后，QPS平均延迟从50ms降至15ms，大促期间订单提交成功率从88%提升至99.2%
• 搭建基于Prometheus+Grafana的数据库监控体系，整合连接数、慢查询占比、主从复制延迟、磁盘IO利用率等12项核心指标，设置三级告警阈值（如主从延迟超10s触发P1告警、连接数超80%触发P2告警），将故障平均响应时间从30分钟缩短至5分钟内，全年因监控遗漏导致的故障次数为0
• 配合研发完成用户中心数据库分库分表落地，使用ShardingSphere-Proxy实现按用户ID哈希分片（分4库16表），将单库数据量从1.2亿条拆分至3000万条/库，单表数据量控制在1500万条以内，解决了原单库写入QPS上限1200的问题，支撑用户注册量月均增长20%

负责公司南北两地数据中心MySQL多活架构设计与运维，主导性能深度优化及自动化工具开发，支撑业务从1000万DAU增长至3000万DAU的数据库扩容与高可用需求

• 主导设计跨AZ的MySQL Group Replication多活架构，替代原有的主从同步方案，通过调整group_replication_member_weight参数实现自动故障转移，两地数据中心数据同步延迟≤50ms，全年数据库可用性从99.9%提升至99.99%，未发生因数据同步问题导致的业务中断
• 针对双11期间商品库CPU利用率过高（峰值95%）问题，通过sys schema分析innodb_row_lock_waits及temp_table_usage指标，定位到促销活动SQL频繁创建临时表导致IO消耗，优化SQL语句减少临时表使用（将子查询改为join），并将InnoDB buffer pool size从40G调整至服务器内存的70%（64G），CPU利用率降至65%，支撑单日订单量突破500万笔
• 自主开发数据库自动化运维工具，基于Ansible Tower实现数据库部署（含主从同步配置）、版本升级（5.7→8.0）及参数配置的标准化，将人工操作步骤从15步减少至3步，部署效率提升80%；同时通过SaltStack实现配置文件集中管理，避免了因my.cnf配置不一致导致的3次主从同步中断故障

统筹公司全链路数据库治理，涵盖架构优化、成本管控、团队技术指导及云原生转型，支撑业务向Serverless、分布式架构演进

• 推动数据库成本优化项目，梳理全量86个MySQL实例，将低效的单实例（日均QPS<100）迁移至腾讯云TDSQL-C（Serverless），结合业务峰谷（早8点-晚10点扩容至100节点、其余时间缩容至10节点），全年数据库成本降低30%，同时保障了大促期间弹性扩容需求
• 主导云原生数据库架构转型，引入TiDB分布式数据库替换原有的分库分表方案，支撑用户行为日志库从日均10TB数据增长至50TB，通过TiDB的水平扩展能力新增10个节点，查询延迟稳定在20ms以内，解决了分库分表带来的跨库join复杂、维护成本高的问题
• 建立数据库团队技术培训体系，每月组织技术分享（如MySQL 8.0窗口函数、TiDB分布式事务原理、慢查询优化实战），覆盖团队8名成员，团队成员通过TiDB认证工程师考试占比从0提升至75%；同时制定《数据库操作规范》《故障处理SOP》，将人为操作失误导致的故障占比从15%降至3%
• 负责重大故障复盘与改进，针对2024年9月缓存穿透导致的数据库压力骤增事件（CPU峰值98%），推动研发增加热点数据预加载机制（提前将TOP1000商品数据加载至Redis），并在数据库层启用读写分离（从库承担30%读请求），后续同类事件发生率降低90%，数据库CPU峰值下降40%

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。

• 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。