负责公司全球5个分布式数据中心、30+跨境POP点的网络全生命周期运维，涵盖跨洲流量调度、故障根因定位、自动化工具迭代及跨团队（产品/研发/安全）网络方案评审，保障亿级用户级电商、直播业务的<100ms延迟与99.99%可用性

• 主导设计北美硅谷-新加坡-东京跨洲链路的「BGP Anycast+FRRouting动态路由」优化方案，解决原有静态路由因运营商 peering 策略差异导致的延迟波动问题；通过RIPE Atlas进行全球路由追踪验证，调整AS路径预处理规则，将跨洲业务延迟从85ms降至63ms，季度故障率从12次降至7次
• 针对上海数据中心内部TCP重传率高（峰值15%）的问题，用NetData定位到核心交换机（Cisco Nexus 9500）队列2拥塞，联动研发调整业务TCP窗口大小，并配置QoS优先标记视频流流量，结合DPDK加速用户态转发，最终转发延迟从12ms降至5ms，支撑了双十一直播峰值200万并发
• 搭建基于Ansible+GitLab CI的网络自动化平台，将VPC peering、ACL规则变更、防火墙策略同步等工作代码化，引入预发布环境模拟验证；上线后变更部署时间从4小时缩短至30分钟，变更失败率从15%降至2%，节省年度运维人力成本约35万元
• 推动跨团队「网络容量滚动预测机制」落地，用Prometheus采集全链路流量指标，结合业务GMV增长模型，提前3个月扩容香港数据中心出口带宽（从10Gbps升至50Gbps），避免了双十一期间因跨境流量激增导致的20%延迟上涨

负责公司核心业务（千万级DAU社交APP）数据中心网络及200+CDN节点的运维，聚焦故障快速恢复、网络性能调优及自动化能力构建，支撑业务从国内向东南亚拓展的网络需求

• 主导排查CDN节点间BGP路由震荡问题，用Traceroute+MTR定位到印尼雅加达边缘节点路由泄露（误宣告至新加坡运营商），通过配置路由过滤列表（deny ASEAN AS-path）和AS路径预处理，将节点故障时长从平均2小时缩短至15分钟，CDN整体可用性从99.95%提升至99.99%
• 优化数据中心南北向流量负载均衡策略，将原有轮询算法替换为HAProxy源IP哈希+权重调整，解决多机房因用户分布不均导致的单点CPU利用率超90%问题；调整后服务器平均利用率从60%提升至85%，年度硬件采购成本减少约200万元
• 搭建「网络设备日志+业务指标」关联监控体系，用ELK Stack收集交换机（Huawei CE12800）日志，结合Prometheus监控业务RT，设置「BGP会话down+RT上涨50%」组合告警规则；上线后告警准确率从70%提升至95%，无效告警量减少80%
• 推动网络配置标准化，用Python脚本自动生成交换机（Aruba CX 6300）配置文件（含VLAN、ACL、路由策略），替换人工编写；配置错误率从10%降至0，单台设备部署时间从1小时缩短至10分钟，团队运维效率提升60%

负责公司电商业务数据中心网络（3个IDC）的基础运维，涵盖设备部署、故障排查、日常监控及文档管理，保障电商大促（双11、618）期间的网络稳定

• 参与电商大促前网络容量评估，用NetFlow分析近1年流量趋势，预测大促期间出口带宽需求（从5Gbps升至20Gbps），协助采购联通/电信双链路带宽；大促期间支撑了10倍于日常的流量增长，未出现带宽瓶颈
• 排查核心交换机（Cisco Catalyst 9300）ARP表溢出问题，用Wireshark抓包发现大量无效ARP请求（来自恶意爬虫），通过开启端口安全功能（限制MAC地址数量）和ARP缓存老化时间（从300秒缩至60秒），将ARP表溢出次数从每周5次降至0，保障了商品详情页的正常访问
• 搭建基础网络监控系统，用Zabbix监控交换机CPU（阈值80%）、内存（阈值70%）、接口带宽（阈值90%），设置分级告警（邮件→钉钉→电话）；提前发现并处理了2次交换机风扇故障，避免了宕机事故
• 整理《网络设备配置手册》《故障处理SOP》《日常操作指南》等文档，覆盖Cisco/Huawei主流设备；新员工入职培训时间从2周缩短至3天，团队故障响应一致性提升50%

直播业务智能运维平台设计与落地

• 项目背景：公司为头部文娱客户提供的直播业务面临流量峰值波动大（单场直播并发量可达500万+）、故障定位耗时久（平均45分钟/次）、资源冗余率超30%等问题，传统运维依赖人工巡检和规则告警的模式已无法支撑业务稳定性需求。我的核心目标是主导构建一套集“实时监控-智能预警-故障自愈-资源优化”的全链路智能运维平台，覆盖直播链路全环节（推流、转码、CDN分发、播放端）。
• 关键难题：①多源异构数据融合困难——需整合CDN厂商API、服务器Prometheus指标、播放端SDK埋点、第三方推流状态等8类数据，格式差异大且实时性要求高；②故障根因定位准确率低——传统日志检索需人工关联多系统数据，异常事件关联分析耗时；③资源调度与业务峰值不匹配——静态资源配置常导致闲时资源浪费、忙时容量不足。
• 核心行动：1. 数据层：设计分层数据管道，用Apache Flink实现实时数据清洗与关联（如将播放端卡顿日志与对应CDN节点带宽、转码服务器CPU使用率绑定），基于Consul建立服务拓扑图谱，明确各组件依赖关系；2. 算法层：联合数据团队训练XGBoost异常检测模型，基于历史故障数据标注12类核心异常模式（如“推流中断→转码队列积压→播放卡顿”的链式异常），将故障根因定位准确率从60%提升至89%；3. 功能层：主导开发平台核心模块——智能告警引擎（支持基于拓扑的级联告警抑制）、故障自愈工作流（如自动重启异常容器、切换备用推流源）、资源弹性伸缩策略（结合业务峰谷预测动态调整服务器数量）。
• 项目成果：平台上线后，直播业务故障平均处理时间从45分钟降至12分钟，季度资源冗余率从32%降至7%，年节省服务器成本约280万元；同时，平台支持快速复制到公司其他文娱产品线（如短视频、电竞直播），成为公司核心运维基础设施。我个人主导了平台架构设计与跨团队（算法、开发、业务）协同，沉淀了《直播业务运维数据模型》《智能告警规则设计手册》等2份方法论文档。

文娱内容分发网络（CDN）动态调优系统研发

• 项目背景：公司CDN年成本超千万元，但节点利用率长期不均衡（部分节点利用率不足40%，热点节点超90%），传统DNS调度依赖地域/运营商标签，无法感知用户实时行为（如突发热点内容的区域访问潮）。我的目标是研发一套动态调度系统，提升CDN节点利用率，降低内容分发成本。
• 关键难题：①实时调度精度不足——传统DNS缓存机制导致调度策略更新滞后（TTL约5分钟），无法应对秒级流量波动；②用户行为与节点负载的关联分析缺失——缺乏对用户偏好（如热门剧集、主播粉丝群）与CDN节点性能的联动建模；③调度策略的灰度验证风险——直接全量切换可能导致部分用户体验下降。
• 核心行动：1. 技术选型：采用“HTTP DNS+边缘计算”替代传统DNS，通过客户端SDK获取用户实时IP和行为标签（如近期观看的主播、剧集），结合CDN节点的CPU、带宽、缓存命中率等实时指标；2. 算法设计：用LightGBM模型预测区域内容访问热度，结合节点负载情况生成动态调度建议（如将热门内容优先分发至利用率低于60%的邻近节点）；3. 灰度验证：设计A/B测试框架，针对10%的用户推送新调度策略，对比视频加载时延、卡顿率和CDN流量消耗，确认效果达标后全量上线。
• 项目成果：系统上线后，CDN节点平均利用率从58%提升至76%，年CDN成本降低18%（约180万元）；视频播放首帧加载时延从2.1秒降至1.6秒，用户关于“播放卡顿”的投诉率下降15%。我主导了调度算法的落地实现，优化了HTTP DNS客户端的性能（将标签上报耗时从200ms降至50ms），并输出《CDN动态调度策略设计指南》，成为公司CDN运维的标准流程。

• 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。