负责公司全球分布式数据中心（覆盖北上广深及美西）的SDN网络架构设计、高可用运维及自动化工具落地，支撑百万级服务器规模的业务流量调度，保障核心业务99.99%网络可用性。

• 主导完成数据中心网络从传统三层架构向SDN（软件定义网络）转型，基于OpenFlow协议与自研控制器实现租户网络自动化编排，解决多租户IP冲突与流量隔离难题；通过部署EVPN实现跨机柜VXLAN隧道动态建立，将新业务上线网络配置耗时从4小时压缩至15分钟，支撑电商大促期间5倍流量突增无拥塞。
• 针对跨地域互联场景，优化BGP路由策略并引入Anycast技术，结合Cloudflare雷达监控全球节点延迟，动态调整骨干网流量路径；解决美西数据中心至亚太用户的跨运营商链路波动问题，将跨境访问平均延迟从210ms降至120ms，丢包率从2.1%压降至0.3%。
• 搭建基于Prometheus+Grafana的网络全链路监控体系，自定义eBPF探针采集交换机CPU/内存/端口利用率等200+指标，结合机器学习算法预测链路拥塞风险；Q3成功预警并规避3起潜在光模块故障，将故障定位时间从平均45分钟缩短至8分钟。
• 推动Python自动化脚本开发，集成Netmiko与NAPALM库实现交换机配置批量校验与回滚，替代人工逐台操作；全年完成12次数据中心版本迭代，配置错误率从0.7%降至0.1%，获公司技术创新奖。

承担公司南北向流量核心承载网（连接全国15个边缘节点）的运维优化，聚焦高并发场景下的网络性能瓶颈突破与成本效率提升。

• 针对视频直播业务峰值带宽超10Tbps的挑战，重构CDN回源网络架构，将传统静态路由替换为基于BGP选路的动态负载均衡方案；通过调整AS路径属性与MED值，使回源流量在电信/联通/移动链路间智能分配，回源成功率从98.5%提升至99.9%，月均节省带宽成本87万元。
• 深度排查跨运营商互通问题，利用Tcpdump抓包分析与Wireshark流量溯源，定位到某省联通节点BGP路由泄露导致次优路径；协调运营商调整路由过滤策略，配合本地部署FRRouting实现流量重定向，将该区域用户播放卡顿率从3.8%降至0.9%。
• 主导IPv6规模部署项目，完成核心交换机、负载均衡器及边缘节点的双栈改造；制定NAT64过渡方案保障老旧终端兼容，推动业务系统从单栈IPv4向双栈平滑迁移，3个月内IPv6流量占比从12%提升至65%，满足监管合规要求。
• 设计网络容灾演练标准流程，每季度模拟单数据中心断网、骨干链路中断等场景，验证VRRP+ECMP冗余机制有效性；全年未发生因网络故障导致的业务中断，获集团年度运维质量A级评价。

负责公司总部及3个区域机房的本地网络运维，支撑内部办公系统、客户管理平台及早期云服务的基础网络稳定运行。

• 完成机房网络升级项目，将千兆接入层交换机替换为支持VXLAN的白牌设备，划分研发/测试/生产三级VLAN隔离；通过配置ACL策略限制跨区互访，全年阻断异常扫描攻击1200+次，关键业务系统未受外部威胁影响。
• 优化办公网出口架构，部署深信服行为管理与Check Point防火墙联动，基于用户角色控制P2P下载、视频网站访问权限；将出口带宽利用率从65%提升至82%，员工办公卡顿投诉量下降70%。
• 搭建网络故障知识库，整理交换机环路、DHCP地址池耗尽等高频问题处理SOP；带教3名新人掌握Wireshark基础分析、交换机日志解读等技能，团队平均故障处理时长缩短40%。
• 配合审计完成ISO 27001网络安全部分认证，梳理防火墙策略200+条、路由表项500+条，删除冗余规则37条，获认证机构“网络管控高效性”专项表扬。

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”。

• 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。