负责公司全国5地12机房超大规模数据中心网络的规划、建设与全生命周期运维，主导SDN架构迭代与跨机房互联优化，保障电商大促、金融交易等核心业务网络可用性≥99.99%，边界涵盖BGP/EVPN路由控制、VXLAN多租户隔离、故障根因定位（RCA）及容量规划。

• 主导完成SDN控制器（基于OpenDaylight二次开发）3.0版本升级，针对电商大促期间跨机房流量突发拥塞问题，通过NetFlow+Telemetry实时采集全网流量矩阵，结合机器学习预测模型动态调整ECMP负载均衡策略，将关键业务链路延迟从18ms降至14ms，大促期间网络故障率同比下降65%
• 牵头设计长三角-粤港澳双活数据中心互联方案，采用EVPN+VXLAN技术构建Overlay网络，解决传统MPLS专线成本高、扩展性差痛点，实现跨地域业务流量智能选路（延迟敏感业务走OTN专线，容量型业务走IPSec VPN），年带宽成本降低28%，跨机房故障切换时间从3分钟压缩至45秒
• 搭建网络全链路可观测体系，集成Prometheus+Grafana+ELK栈，自定义200+网络指标（含BGP会话状态、ASIC转发队列利用率、ACL匹配效率），通过故障树分析（FTA）定位并解决OSPF邻居震荡导致的偶发丢包问题，将MTTR（平均修复时间）从2小时缩短至15分钟
• 制定数据中心网络容量三年规划，基于AI流量预测模型（LSTM算法）预判未来带宽需求，推动核心交换机从CE12800升级至CE16800，单集群转发能力从12.8Tbps提升至25.6Tbps，支撑公司云主机实例数从50万扩展至120万的无缝扩容

负责公司华北、华东两大核心数据中心网络运维，支撑视频直播、API网关等业务线，重点优化高并发场景下网络稳定性，边界包括传统三层网络架构维护、安全设备（防火墙/IPS）联动配置及日常故障排查。

• 主导新建华东数据中心网络架构设计，采用Spine-Leaf叶脊拓扑替代传统三层架构，部署华为CloudFabric 3.0解决方案，将东西向流量转发延迟从25μs降至8μs，支撑直播业务峰值500万并发连接无拥塞，上线后首月故障投诉量下降40%
• 优化网络安全域划分，通过部署H3C SecPath F10000防火墙集群，结合动态ACL策略（基于用户IP信誉度自动调整放行规则），拦截DDoS攻击127次（峰值流量达80Gbps），关键业务可用性从99.95%提升至99.98%
• 解决BGP路由震荡导致的跨机房通信异常问题，通过抓包分析（Wireshark）定位AS路径属性冲突，调整路由策略（Community属性标记+本地优先级配置），将BGP会话震荡频率从日均3次降至0次，全年未发生因路由问题导致的业务中断
• 搭建网络自动化运维平台，使用Python开发脚本对接NetConf协议，实现交换机配置批量下发与版本自动升级，配置变更耗时从4小时/次缩短至20分钟/次，人为配置错误率从15%降至2%

负责公司总部及3个分支机房网络设备（交换机/路由器/无线AP）日常运维，保障办公网、测试环境网络畅通，边界包括设备巡检、故障排查、ACL策略配置及基础网络监控。

• 建立网络设备标准化运维流程，制定《交换机配置核查清单》（含端口状态、VLAN划分、STP参数），通过定期巡检（每日1次）提前发现并修复核心交换机电源模块老化隐患3起，全年办公网中断时间≤2小时
• 优化分支机房到总部VPN链路质量，针对远程办公卡顿问题，使用iPerf测试链路带宽（原50Mbps→实测仅30Mbps），定位为运营商线路丢包，协调更换为中国电信精品专线后，远程访问延迟从120ms降至45ms，员工满意度提升35%
• 部署无线AP（Aruba IAP305）覆盖新办公区，通过AirWave管理平台调整信道（避开2.4GHz拥堵信道6/11），优化功率（从最大100mW降至70mW减少干扰），无线接入速率从300Mbps提升至866Mbps，终端连接成功率从92%提升至98%
• 协助处理DDoS攻击事件，配合安全团队封禁攻击源IP（共1.2万个），配置防火墙抗DDoS策略（TCP SYN Cookie、UDP源认证），保障电商平台测试环境在大促压测期间网络可用，支撑完成10万并发压力测试

• 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。

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”。