负责公司核心增值业务数据中心全生命周期运维，涵盖服务器集群、分布式存储、智能动环及网络基础设施的一体化监控、容量规划与故障根因分析，保障增值业务系统99.99%可用性目标达成。

• 主导华东区B级数据中心年度健康度评估与三年容量规划，基于Prometheus+Grafana构建多维资源监控看板，分析近三年业务峰值负载（日均请求量从800万次增至1500万次）与设备老化曲线，精准预测服务器CPU/内存/存储扩展需求，调整冷热通道功率分配策略，将机架利用率从68%提升至85%，延缓IDC托管扩容支出18个月，年节约成本约150万元。
• 牵头解决动环监控系统误报率高痛点，采集温湿度、UPS状态、空调运行等200+维度传感器数据，使用Python开发数据清洗脚本剔除环境干扰项（如空调启停导致的瞬时温感波动），结合Scikit-learn随机森林模型训练异常检测算法，将无效告警占比从22%压降至5%，关键设备（如列头柜配电单元）故障预警提前时长从30分钟延长至2小时，支撑运维团队将平均故障修复时间（MTTR）从42分钟压缩至19分钟。
• 主导完成金融类增值业务双活数据中心灾备切换演练，依据ITIL 4框架设计「市电中断+精密空调故障」复合故障场景，验证主备中心存储异步复制（采用Veritas Volume Replicator）、负载均衡器会话保持（F5 BIG-IP）的协同有效性，将业务中断恢复时间（RTO）从110分钟优化至43分钟，数据丢失量（RPO）从12分钟缩短至4分钟，助力公司通过工信部增值电信业务灾备能力三级认证。
• 推动自动化运维体系落地，基于Ansible Tower搭建标准化操作库，覆盖服务器固件升级（HPE iLO批量执行）、存储卷扩容（NetApp ONTAP CLI）、网络设备配置核查（Cisco DNA Center API对接）等8类高频操作，开发Zabbix自定义监控模板15个（含服务器风扇转速异常、存储IO延迟突增等场景），实现90%常规运维任务自动触发与闭环，团队人均单日处理工单量从25单提升至42单，人为配置失误率下降70%。

承担区域数据中心基础设施运维，聚焦服务器、存储阵列及动环系统的日常监控、故障排查与性能调优，支撑视频直播类增值业务低延迟、高并发需求。

• 参与华南区数据中心新建项目，负责300+台服务器（戴尔PowerEdge R740）、20套全闪存阵列（Pure Storage FlashArray）的上架部署与链路验证，使用iDRAC远程管理卡批量配置RAID策略（RAID 10+热备盘），通过NetApp OnCommand统一管理平台校验存储多路径冗余（MPIO），确保业务割接期间零中断，项目获客户「优质交付奖」。
• 针对直播业务晚间流量高峰（CPU负载峰值达92%）导致的服务器过热问题，通过Fluentd采集机房环境数据，结合ANSYS Fluent仿真模拟气流路径，调整列间空调送风角度（从水平改为斜向下15°）并增加机架盲板覆盖率至95%，使服务器进风温度从38℃降至29℃，季度内因过热引发的宕机事件从7次降为0次。
• 主导解决分布式存储节点离线故障，通过查看Storage Manager日志发现某节点SSD缓存模块报错（SMART检测到重映射扇区数超阈值），启用热插拔替换故障部件并同步数据（利用Zerto连续数据保护技术），将业务影响时间控制在23分钟内，事后输出《存储节点常见故障处置SOP》，团队同类故障处理效率提升60%。
• 搭建数据中心能耗监控平台，集成电力仪表（施耐德PowerLogic）、空调控制器（艾默生Liebert）数据，通过Tableau可视化展示PUE（电源使用效率）趋势，优化制冷策略（如夜间降低非关键区域空调设定温度2℃），将全年PUE从1.68降至1.52，达到工信部「绿色数据中心」二星级标准。

协助完成数据中心基础设备运维，负责服务器状态巡检、环境参数记录及简单故障处理，为高可用增值业务系统提供底层支撑。

• 执行7×24小时轮班监控，使用Nagios检查服务器（IBM x3650 M5）、网络设备（华为S5720）运行状态，每日输出《设备健康度日报》，累计发现并上报潜在风险点（如风扇异常、电源模块温度过高）47次，均提前介入避免宕机。
• 参与月度设备除尘与线路整理，按照TIA-942标准规范走线（强弱电分离≥30cm），标记光纤跳纤对应业务端口（使用Color coding标签系统），将故障定位时间从平均25分钟缩短至10分钟，获部门「运维之星」季度奖。
• 协助处理存储阵列读写缓慢问题，通过查看EMC Unisphere界面发现某LUN队列深度过高（达200+），调整HBA卡队列深度参数（从默认256降至128）并优化RAID缓存策略（写缓存命中率从75%提升至88%），使数据库查询响应时间从80ms降至45ms。
• 参与编写《数据中心日常运维手册（初级版）》，梳理服务器开机/关机流程、温湿度安全阈值（温度18-27℃，湿度40-60%RH）等12项操作规范，被纳入公司新员工培训教材。

5G核心网UPF节点集群化运维体系搭建与性能优化项目

• 项目背景：随着公司5G商用用户突破200万，原有单节点UPF（用户面功能）架构出现流量峰值拥塞（峰值吞吐量达120Gbps时丢包率超1.5%）、故障恢复时间长（单节点故障平均停机25分钟）等问题，核心目标是搭建支持多厂商、高可用的UPF集群运维体系，将集群可用性提升至99.99%以上，吞吐量冗余能力提升40%。
• 关键难题：一是多厂商（华为、中兴）UPF设备的配置语法、接口协议不兼容，无法实现集群统一管控；二是集群间流量调度依赖静态权重，无法适配突发流量场景（如演唱会、赛事直播）；三是传统故障定位依赖人工翻查日志，耗时长达40分钟/次，无法满足5G低时延运维要求。
• 核心行动：1. 主导制定《多厂商UPF集群配置规范》，通过自研Python脚本将华为eSight、中兴iManager的配置指令标准化，完成12轮跨厂商联调，实现集群设备的统一纳管；2. 结合历史流量数据，用XGBoost模型预测15分钟级流量峰值，将静态调度算法优化为“预测+动态加权轮询”策略，提升流量匹配效率；3. 整合NetNumen U31、ELK Stack（Elasticsearch+Logstash+Kibana）与Prometheus+Grafana，搭建“日志-指标-拓扑”关联分析平台，实现故障根因定位时间压缩至5分钟内。
• 项目成果：集群可用性从99.9%提升至99.99%，全年故障停机时间从12小时降至1.2小时；峰值吞吐量提升至180Gbps，冗余能力满足未来3年业务增长；运维人力投入减少30%，该项目成为公司5G核心网运维的标杆案例，我因此晋升为核心网运维技术负责人。

4G/5G融合计费系统异常话单治理与自动化运维项目

• 项目背景：公司4G/5G融合计费系统上线初期，异常话单率高达1.2%（主要为跨网元话单格式不匹配、计费规则冲突），导致每月营收损失约70万元，同时引发大量客户投诉（占比15%）。目标是建立全流程异常话单防控体系，将异常率降至0.1%以下，实现计费准确性闭环管理。
• 关键难题：一是4G（MSC/VLR）与5G（AMF/UDM）网元的话单字段定义、生成逻辑差异大，缺乏统一校验规则；二是传统离线话单稽核周期长（T+1），无法及时拦截实时异常；三是异常话单溯源依赖人工关联多系统数据，效率低下。
• 核心行动：1. 梳理300+条跨网元话单规范，设计“字段映射+规则引擎”的统一校验体系，开发Java版实时话单校验工具，嵌入计费系统前置环节；2. 引入Spark Streaming构建实时话单监控链路，对“话单时长异常”“费率不匹配”等8类高频问题实现秒级拦截；3. 用关联规则算法（Apriori）分析异常话单的用户行为、网元状态特征，输出《异常话单根因手册》，将溯源时间从2小时缩短至30分钟。
• 项目成果：异常话单率从1.2%降至0.08%，年营收损失减少120万元，客户投诉率下降60%；计费系统自动化运维率从40%提升至75%，该项目获公司年度“业务支撑优秀项目”，我因此积累了核心网与计费协同运维的跨域经验。

• 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。