负责公司多云互联网络架构的全生命周期管理，聚焦跨地域业务流量高可靠传输与成本优化，主导SDN技术落地及自动化运维体系建设。

• 主导设计基于NSX-T与OpenFlow协议的混合云SDN架构，解决原有跨AWS/Azure/私有云网络延迟高（平均28ms→优化至12ms）、策略下发效率低的问题；通过引入BGP Anycast技术重构全球流量入口，结合RIPE Atlas探针实时监控，将海外用户访问丢包率从5.7%降至1.2%，支撑跨境电商大促期间日均1.2亿次API调用无中断。
• 针对数据中心间专线成本占比过高（月均350万→优化后220万）的痛点，搭建基于EVPN的Overlay网络，通过动态路径计算（Dijkstra算法优化）实现跨地域流量智能调度，利用率从68%提升至89%；同步落地Telemetry流式监控，结合Prometheus+Grafana构建网络健康度看板，关键指标（如Jitter、MTU）异常检测耗时从小时级缩短至秒级。
• 牵头开发网络自动化平台，基于Python+Netmiko+Ansible实现多厂商设备（Cisco 9K/Juniper MX）配置批量下发、路由策略热更新及故障自愈（如BGP会话中断自动重连）；平台上线后，日常变更操作耗时减少70%，人为配置错误导致的故障归零，获公司技术创新奖。
• 处置某金融客户专线中断事故（影响500+商户交易），通过流量镜像分析定位为运营商POP节点路由震荡，协调多方启用BFD双向转发检测+快速重路由（FRR）机制，将故障恢复时间从45分钟压缩至8分钟，客户满意度评分从3.2提升至4.8。

承担企业级网络基础设施的全栈运维，保障核心业务系统（如ERP、视频会议）的网络连通性与安全性，推动监控体系与灾备能力升级。

• 完成数据中心Leaf-Spine架构改造，基于Cumulus Linux与ONIE实现白牌交换机自动化部署，通过ECMP等价多路径优化南北向流量，骨干链路吞吐量从100Gbps提升至180Gbps；同步实施QoS策略分级（语音/视频优先级高于文件传输），关键业务延迟波动从±20ms收敛至±5ms。
• 搭建基于eBPF的深度流量分析平台，结合Suricata入侵检测，精准识别内部违规外联行为（月均阻断23起）；优化ACL规则库，将防火墙策略匹配效率提升40%，支撑等保2.0三级合规审计一次性通过。
• 主导灾备网络切换演练，验证跨同城双活数据中心的网络冗余方案（VRRP+IPSec VPN），通过模拟主中心光缆切断场景，确认RTO≤15分钟、RPO≤5分钟，达到金融级容灾标准；输出《跨数据中心网络切换操作SOP》，成为团队标准文档。
• 优化办公网Wi-Fi体验，通过Aruba AirWave平台分析用户密度与干扰源，调整AP功率（从27dBm降至23dBm）并切换5GHz信道（避开微波炉干扰），终端连接成功率从92%提升至98%，投诉率下降65%。

协助维护办公网、数据中心基础网络，保障网络设备稳定运行，参与设备升级与日常故障排查，积累网络全生命周期管理经验。

• 负责2000+终端的网络接入支持，通过SNMP+Zabbix监控交换机端口状态，提前发现并处理环路告警（月均15次），避免办公网大面积瘫痪；整理《常见网络故障排查手册》（含ARP欺骗、DHCP冲突等12类场景），团队排障效率提升50%。
• 参与数据中心网络扩容项目，协助部署华为CE6850交换机，配置VLAN隔离（研发/测试/生产流量分离）与STP防环机制；配合厂商完成设备固件升级（从V200R019到V200R022），验证新版本QoS功能对视频流量的优先级保障效果。
• 优化分支办公室VPN连接，将原有静态IPSEC改为动态DNS+IKEv2，解决分支IP变动导致的连接中断问题；调整MTU值为1400（原1500），降低分片丢包率，远程办公用户反馈卡顿现象减少80%。
• 执行季度网络健康检查，使用Wireshark分析核心链路流量（日均15Gbps），识别出DNS查询占比过高（35%）的问题，推动部署本地DNS缓存服务器，公网出口带宽占用下降22%，成本节约月均1.2万元。

多数据中心游戏服务高可用智能运维平台建设

• 项目背景：公司业务从单一数据中心扩展至北京、上海、广州三地多活架构后，游戏服务故障排查耗时平均达45分钟，跨数据中心状态同步延迟超10秒，缺乏统一的高可用管控能力。核心目标是构建覆盖全链路监控、智能根因定位、自动化处置的智能运维平台，将故障MTTR（平均修复时间）降低至15分钟内，支撑三地多活业务的稳定性。
• 关键难题与技术：1）多数据中心Prometheus监控数据的一致性与全局查询问题；2）游戏服务跨集群的故障根因定位（如主数据中心数据库延迟导致备中心流量突增）；3）自动化处置的决策逻辑设计（避免误切导致的业务中断）。技术上整合Thanos实现多源监控数据的全局聚合，采用OpenTelemetry实现全链路追踪（metrics+logs+traces），并基于LSTM模型训练故障特征库。
• 核心行动与创新：1）牵头对比Thanos与Cortex方案，选择Thanos兼容现有Prometheus生态，通过Sidecar将各数据中心数据上传至对象存储，实现全局查询延迟低于2秒；2）设计“流量-性能-依赖”三维根因分析模型，将游戏服务调用链拆解为“客户端→网关→逻辑服→数据库”层级，通过关联指标异常（如数据库QPS骤升）定位根因；3）联动Ansible与自研脚本，实现“故障检测→根因定位→切换决策→回滚验证”的闭环，切换过程自动化率100%，并加入人工确认环节避免误操作。
• 项目成果与价值：平台上线后，故障MTTR从45分钟降至7分钟，三地多活业务可用性从99.9%提升至99.99%，支撑了《星途纪元》新游上线首月无重大故障；自动化处置覆盖85%的常见故障场景，每年节省运维人力成本约60万元。我个人主导了平台的核心架构设计与跨团队协作，推动运维从“被动响应”向“主动预防”转型。

游戏服务器集群有状态服务弹性伸缩与成本优化项目

• 项目背景：公司主力游戏《星途之战》周末流量峰值是平日的5倍，传统固定集群模式导致闲时服务器利用率仅30%，成本浪费严重；同时游戏服务器的有状态特性（如玩家session）导致弹性伸缩困难。核心目标是实现基于流量的自动弹性伸缩，将服务器成本降低30%以上，同时保证高峰时段服务可用性。
• 关键难题与技术：1）有状态游戏服务器的session保持（如Redis共享session的一致性）；2）流量预测的准确性（需覆盖周末、活动、版本更新等场景）；3）Spot实例的稳定使用（云厂商Spot实例中断率高，易导致服务波动）。技术上采用Kubernetes StatefulSet管理有状态服务，结合Redis Cluster实现session分布式存储，用Prometheus收集流量数据，基于Facebook Prophet算法训练流量预测模型。
• 核心行动与创新：1）设计“StatefulSet+Redis Session”的弹性伸缩方案，通过StatefulSet的volumeClaimTemplates保证玩家数据持久化，Redis Cluster同步session数据，解决伸缩时session丢失问题；2）开发流量预测模块，将历史流量、活动计划、版本更新等特征输入Prophet模型，预测未来24小时流量，联动Kubernetes HPA自动调整副本数；3）引入云厂商Spot实例，设置自动恢复策略（实例中断前5分钟迁移至按需实例），降低70%的服务器成本。
• 项目成果与价值：服务器成本从每月120万元降至78万元（降低35%），高峰时段服务可用性保持99.95%，支撑《星途之战》周年庆活动流量峰值（QPS达15万）无性能瓶颈；弹性伸缩方案成为公司游戏集群的标准配置，后续推广至3款新游，累计节省成本超200万元。我负责核心模块的开发与优化，推动有状态服务的弹性伸缩从“不可行”变为“可落地”。

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。