负责公司承载电信增值业务的核心数据中心（3000+机架，支撑50+省际增值业务系统）的全生命周期运维，涵盖基础设施监控、容量管理、故障根因分析及性能优化，保障业务99.999%可用性SLA。

• 主导数据中心DCIM（数据中心基础设施管理）系统3.0升级项目，基于SolarWinds Orion平台扩展微服务模块，集成动力环境（温湿度/UPS负载）、网络（交换机端口利用率）、服务器（CPU内存负载）三类数据源，解决原有系统跨厂商监控数据孤岛问题；通过自定义告警阈值规则引擎（结合历史故障数据训练的异常检测模型），将关键设备故障定位时间从45分钟压缩至8分钟内，年度重大故障响应及时率提升至100%。
• 牵头冷却系统能效优化，运用CFD（计算流体力学）仿真软件模拟机架热密度分布，识别出3个高热点区域（原温度超28℃）；联合厂商调整精密空调送风策略（增加列间空调冗余、优化风阀开度），并结合AI节能算法动态调节冷量输出，季度PUE（电源使用效率）从1.82降至1.45，年节省电费超200万元。
• 处理某省增值业务平台突发宕机事件（影响10万+用户），通过日志聚合分析（ELK栈提取交换机、服务器、存储链路日志），定位到核心交换机光模块老化导致丢包率骤增；45分钟内完成备用模块替换及链路割接，业务恢复后同步推动建立光模块寿命预测机制（基于收发光功率衰减曲线），年度同类故障发生率下降75%。
• 推动运维自动化转型，基于Ansible开发设备配置巡检剧本（覆盖防火墙策略一致性、服务器BIOS参数合规性），集成至自研运维平台；替代原人工逐台核查模式，单数据中心月度配置巡检耗时从3人天缩短至4小时，配置不一致问题发现率从60%提升至95%。

承担省级电信增值业务数据中心（800+机架，支撑20+省本地视频/彩铃类增值业务）的日常运维，聚焦设备健康度管理、容量规划及跨部门协同，保障业务SLA≥99.99%。

• 搭建分级监控体系，针对视频转码服务器（CPU负载）、彩铃数据库（QPS峰值）等关键组件设置三级告警阈值（预警/严重/紧急），结合Zabbix模板定制化采集指标，实现90%以上潜在故障提前2小时预警；年度因硬件过载导致的业务中断次数从12次降至2次。
• 主导季度容量评估，基于历史业务增长数据（月均流量+30%）与业务部门需求，预测未来6个月服务器、存储资源缺口；推动采购200台高密度服务器（支持NVMe SSD加速），优化虚拟化资源池分配策略（动态扩缩容），支撑新上线增值业务上线周期从45天缩短至20天。
• 参与数据中心双活容灾演练（年频次2次），负责验证增值业务系统跨机房数据同步延迟（目标≤50ms）；通过调整数据库复制链路带宽（从1Gbps扩容至10Gbps）、优化binlog同步策略，将同步延迟稳定在30ms以内，容灾切换成功率从85%提升至98%。
• 解决存储阵列性能瓶颈问题，某视频缓存存储LUN读写延迟突增至20ms（基线5ms），通过分析IO日志发现大量小文件随机读写；协调业务侧调整缓存策略（增大文件块大小至4MB），并迁移高频访问数据至SSD分层存储，延迟回落至4ms，支撑高峰时段视频播放卡顿率下降60%。

协助完成增值业务数据中心的基础运维工作，包括设备巡检、环境监控、故障初步排查及运维文档整理，为高价值业务系统提供底层支撑。

• 执行每日基础设施巡检，覆盖200+机架的温湿度（目标22±2℃，湿度40%-60%）、UPS电池组电压（单节≥13.6V）、精密空调运行状态（出风温度18℃）等指标；建立巡检异常台账，累计发现并上报12起空调滤网堵塞、3起电池单体电压异常问题，均在2小时内闭环处理。
• 参与增值业务系统上线前的基础设施验证，配合厂商完成服务器上架（遵循TIA-942标准机柜布局）、网络跳纤（LC接口清洁度检查）、存储链路连通性测试（iPerf3测速≥10GB/s）；输出《新业务上线基础设施验收报告》，保障30+个彩铃/短信增值业务系统平稳上线。
• 学习DCIM系统基础操作（如APC InfraStruXure管理平台），协助整理设备资产信息（型号/序列号/保修期），建立电子台账并定期核对；推动资产标签标准化（增加业务归属部门二维码），设备定位查询时间从10分钟缩短至1分钟，获部门“运维支持之星”称号。
• 处理日常简单故障，如服务器网口灯不亮（排查网线水晶头压接不良）、机房照明异常（更换LED驱动电源）；累计独立解决80%以上的一类故障（不影响业务运行），减轻团队主运维压力，实习期考核评分位列同期新人第一。

5G+VR直播增值业务专属网络切片可靠性提升项目

• 项目背景：公司为文旅行业提供的“5G+VR全景直播”增值服务是年度战略产品，但上线初期专属网络切片频繁出现时延抖动（峰值达200ms）、丢包率超1.5%的问题，导致用户体验差、客户投诉率达12%，核心目标是3个月内将切片端到端可靠性提升至99.99%，支撑全国10个重点景区的商用落地。我作为项目运维负责人，主导切片全生命周期运维体系搭建与故障根因闭环。
• 关键难题：1）多域协同故障定位难——切片涉及接入网（gNodeB）、传输网（OTN）、核心网（UPF）跨域链路，传统分散监控工具无法关联告警；2）流量突发拥塞——VR直播峰值流量达10Gbps，切片静态带宽配置常出现拥塞；3）缺乏业务级SLA感知——现有运维仅关注网络指标，未关联VR业务卡顿、花屏等用户体验参数。
• 核心行动：1）端到端拓扑穿透：梳理切片从用户设备到UPF的12个关键节点，打通SDN控制器、NSMF（切片管理器）与Prometheus监控数据，自研“跨域告警关联算法”，将原来45分钟的故障定位时间压缩至8分钟；2）动态带宽调优：结合LSTM模型预测VR流量峰值（准确率达92%），提前15分钟触发切片带宽弹性扩容（支持5-15Gbps动态调整）；3）业务SLA映射：将网络时延、丢包率与VR业务卡顿率建立线性模型（R²=0.95），把业务级指标纳入运维监控阈值。
• 项目成果：1）切片可靠性提升至99.995%（超目标50bps），VR直播卡顿率从8%降至1.2%，客户投诉率下降至1.5%；2）搭建的“5G切片业务级运维体系”覆盖公司12个地市的VR/AR增值业务，成为集团5GtoB运维标准；3）个人主导输出3份切片运维SOP、1套AI流量预测工具，获公司“年度技术创新奖”。

传统短信增值业务网关高并发扩容及智能运维转型项目

• 项目背景：公司短信验证码、营销通知等增值业务年增速达40%，原集中式短信网关处理能力仅5000条/秒，大促/节假日经常出现拥堵（延迟超5秒），投诉率高达1.2%，目标是6个月内将网关处理能力提升至2万条/秒，同时降低人工运维工作量30%。我从运维执行岗切入，负责架构优化与智能运维模块落地。
• 关键难题：1）集中式架构瓶颈——原网关采用单节点处理，CPU利用率长期超90%，无法横向扩展；2）流量弹性不足——大促期间流量突增3-5倍，人工扩容耗时2小时以上；3）故障排查低效——依赖人工查看日志，平均故障定位时间达30分钟。
• 核心行动：1）分布式架构改造：将原集中式网关拆分为10个分布式节点，基于Kafka消息队列做流量分片（每个节点处理2000条/秒），结合Docker容器化部署实现节点快速上线；2）弹性扩缩容方案：引入K8s编排，设置流量阈值（如CPU>70%）自动触发节点扩容，大促期间可10分钟内完成节点新增；3）智能故障预警：搭建ELK日志平台，自定义规则引擎（包含“发送失败率超5%”“队列积压超10万条”等12条规则），实现故障自动预警与根因推送。
• 项目成果：1）网关处理能力提升至2.5万条/秒（超目标25%），大促期间短信延迟降至1秒以内，投诉率下降至0.3%；2）人工运维工作量减少40%，原本需要3人轮值的夜班优化为1人；3）输出的《短信网关智能运维方案》被集团推广至5个省份，个人从“故障响应者”转型为“方案设计者”，次年获晋升机会。

• 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。