负责公司全球分布式云平台（覆盖8大可用区、200+边缘节点）的网络架构设计、运维优化及故障根因定位，主导SDN网络自动化体系迭代与跨区域网络质量保障。

• 主导SDN控制器（基于OpenDaylight二次开发）的路由策略优化项目，针对跨AZ流量绕路问题，通过分析eBPF抓包数据定位转发路径冗余节点，重构BGP社区属性分发规则，将跨AZ平均延迟从25ms降至12ms，关键业务链路丢包率从0.3%降至0.01%，支撑电商大促期间10万+QPS的稳定传输。
• 牵头设计网络自动化运维平台（Python+Ansible+NetBox），实现VPC peering、防火墙策略、负载均衡器配置的全生命周期自动化管理，替代原人工操作流程，配置变更耗时从4小时缩短至20分钟，全年人为配置错误导致的故障次数从17次降为0。
• 应对DDoS攻击专项攻坚，基于NetFlow流量基线建模（使用Elasticsearch+Kibana分析），识别异常流量特征并联动阿里云DDoS高防调整清洗策略，成功防御最大峰值450Gbps的混合攻击，保障视频直播业务在攻击期间可用性保持99.95%以上。
• 推动网络容量规划体系升级，结合业务增长预测（年增速60%）与SDN资源池利用率数据（CPU/内存/转发面带宽），制定季度扩容方案，全年避免3次因带宽瓶颈导致的业务降级，网络资源成本率从18%优化至14%。

承担企业级数据中心（3地5中心）核心网络运维，负责传统网络向SDN混合架构迁移，保障金融级业务（延迟敏感型交易、大数据同步）的网络质量与安全。

• 主导数据中心网络从传统三层架构向Spine-Leaf SDN架构迁移，制定分阶段割接方案（覆盖2000+服务器、500+虚拟机），通过预先模拟流量路径（使用GNS3验证）与双活路由热备机制，实现零业务中断迁移，迁移后网络收敛时间从50ms缩短至8ms，支持更灵活的弹性扩缩容。
• 优化BGP路由策略，针对金融交易链路（跨数据中心延迟需<10ms），引入AS路径预过滤与本地优先级调整，结合IP SLA实时监控，将关键交易链路丢包率从0.15%降至0.02%，支撑日均3亿笔交易的稳定处理。
• 构建网络健康度评估体系，基于Prometheus采集交换机CPU/内存/端口利用率、BGP会话状态等200+指标，设置三级告警阈值（预警/紧急/故障），提前3天发现核心交换机板卡温度异常，避免了一次可能导致全网中断的单点故障。
• 负责网络安全加固，梳理防火墙策略2000+条，通过自动化工具（FireMon）进行策略冗余检测与最小化优化，删除无效规则800+条，策略匹配效率提升40%，同时完成等保2.0三级合规整改，顺利通过年度审计。

负责公司总部及3个分支机构的基础网络运维，涵盖办公网、研发网、生产网三网隔离，保障日常办公与测试环境网络稳定。

• 搭建全网监控体系（Zabbix+PRTG），覆盖200+交换机、50+路由器、30+无线AP，自定义告警规则150+条（如端口down、错包率超5%），实现网络故障从发现到定位平均时长从45分钟缩短至12分钟，全年网络可用性达99.98%。
• 主导办公网无线AP升级项目，替换老旧802.11n设备为Wi-Fi 6（AX3600）AP，结合AC控制器进行信道优化（自动规避2.4G干扰）与用户负载均衡，员工无线连接速率从300Mbps提升至1.2Gbps，会议室等高密区域卡顿投诉减少90%。
• 设计分支与总部互联方案，采用MPLS VPN+IPSec双链路备份，通过BFD快速检测链路状态（检测时间<50ms），实现主备链路秒级切换，保障分支机构ERP系统访问延迟稳定在30ms以内，支撑跨地域协作效率提升。
• 编写《网络运维SOP手册》，涵盖日常巡检、故障排查、设备配置备份等12个标准化流程，带教3名新人快速上手，团队整体运维效率提升30%，获部门“最佳知识沉淀奖”。

星途互娱云原生全链路运维平台研发与规模化落地

• 项目背景：公司业务从单一直播拓展至短视频、互动娱乐多赛道，原有运维体系依赖分散的Shell脚本与人工操作，面临多集群（K8s混合云+传统虚拟机）管理混乱、故障排查耗时（平均45分钟/次）、跨团队协作效率低的痛点。我的核心目标是主导构建一套覆盖“部署-监控-自愈-复盘”的云原生全链路运维平台，推动运维从“被动响应”向“主动预防”转型，支撑业务快速迭代。
• 关键难题与技术方案：一是多异构环境（不同版本K8s、虚拟机）的统一管控，二是故障自愈的决策准确性（原自愈规则覆盖率仅30%）。针对前者，采用Operator开发模式封装业务逻辑，抽象出“集群适配层”兼容不同环境；针对后者，结合迁移学习（以历史故障数据为基础，迁移通用模型至业务定制场景）与实时指标联动，解决小样本下的故障预测准确率问题。
• 核心行动与创新：1. 牵头调研并落地Argo CD作为GitOps工具，实现应用部署配置的版本化与自动化，替代原有的人工kubectl操作；2. 开发“自定义规则引擎”插件，支持业务线通过YAML配置告警阈值与自愈动作，覆盖8类核心业务的个性化需求；3. 设计故障自愈决策引擎，用Python实现“指标采集-规则匹配-动作触发”闭环，联动Alertmanager与K8s API，实现Pod重启、节点隔离等操作的秒级响应。
• 项目成果与价值：平台上线6个月内覆盖公司80%核心业务集群，部署效率提升60%（单应用部署时间从30分钟降至12分钟），故障平均排查时间（MTTR）降至10分钟以内，年运维人力成本降低30%。我个人主导了3个核心模块研发，推动跨开发、测试、业务运营3个团队的协作机制落地，成为公司云原生转型的关键支撑工具。

星途互娱直播业务高可用运维体系重构

• 项目背景：公司直播业务峰值QPS达10万，月均因节点故障、流量突增导致的流中断事件5次，可用性仅99.5%，未满足SLA要求的99.9%。我的角色从“故障救火队员”转向“体系设计者”，目标是构建适配直播场景的高可用运维体系，保障业务稳定性。
• 关键难题与技术选型：一是直播流的负载均衡不均（原Nginx负载偏差达20%），导致部分节点过载；二是容量规划依赖经验，峰值时资源不足、低峰时冗余浪费。针对前者，选用Envoy作为服务网格，利用其动态路由与熔断机制优化流量分发；针对后者，采用ARIMA时间序列模型预测流量峰值，结合K8s HPA实现自动扩缩容。
• 核心行动与突破：1. 主导直播集群从传统部署迁移至K8s，使用StatefulSet管理推流服务器等有状态服务，解决节点漂移导致的流中断问题；2. 开发“容量预测工具”，用Python的Pandas与Statsmodels实现流量数据的清洗、建模与预测，集成至运维平台后自动触发扩容流程；3. 优化故障切换逻辑：将DNS TTL从300秒缩短至60秒，结合Envoy的快速重试机制，将故障切换时间从5分钟降至30秒以内。
• 项目成果与价值：直播业务可用性提升至99.95%，年流中断事件减少至1次以内，容量利用率提升40%（减少20%冗余服务器成本）。此项目推动公司直播业务完成云原生转型，我也从“运维执行者”成长为“体系设计者”，积累了从0到1构建高可用运维体系的经验。

• 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。