负责公司华东区核心数据中心（承载短信网关、彩信中心等增值业务支撑系统）的日常运维、容量规划及故障根因定位，边界覆盖服务器集群、EMC存储阵列、SDN网络的运维，以及与增值业务部门协同完成业务侧故障排查与SLA保障

• 主导数据中心DCIM（数据中心基础设施管理）系统升级项目，基于VMware vCenter、Cisco UCS Manager的API桥接方案解决旧版BMC Patrol与新DCIM平台的兼容性问题，实现服务器、存储、网络设备的统一监控，将关键设备监控覆盖率从92%提升至99.9%，故障定位时间从平均60分钟缩短至35分钟，支撑双11期间短信业务12万条/秒的峰值处理
• 针对增值业务数据库（Oracle RAC）的存储IOPS瓶颈，采用EMC VMAX 5800+FAST VP动态存储分层技术，将热点数据迁移至SSD层，关键业务存储延迟从12ms降至5ms，全年数据库事务成功率从99.85%提升至99.98%，避免了3次因存储慢导致的业务中断
• 搭建自动化运维平台，整合Ansible（配置管理）、Prometheus+Grafana（性能预警）及Zerto（容灾复制），实现服务器固件更新、虚拟机资源调度的全自动化，将人工操作失误率从15%降至2%，每月节省运维工时120小时，同时通过Zerto完成Oracle RAC数据库跨机房容灾演练，RTO（恢复时间目标）从2小时压缩至30分钟，顺利通过年度灾备审计
• 解决SDN网络（Cisco ACI）中的流量拥塞问题，通过分析ACI Fabric的流量矩阵，调整Leaf-Spine的ECMP路由策略，将增值业务流量峰值时的网络丢包率从0.8%降至0.1%，支撑了视频验证码业务的稳定上线

负责公司华南区数据中心的运维支持，聚焦物联网卡管理平台等增值业务边缘节点的基础设施稳定性，边界包括x86服务器集群、NetApp NAS存储及二层网络设备的日常维护、故障处理及性能优化

• 针对边缘节点服务器利用率低的问题，使用VMware vRealize Automation搭建资源调度平台，基于业务峰谷自动调整虚拟机资源分配，将服务器平均CPU利用率从35%提升至60%，新增10个物联网业务节点未增加硬件采购成本，年节省服务器租赁费用约80万元
• 解决NAS存储（NetApp FAS8300）的性能波动问题，通过ONTAP系统的QoS（服务质量）策略为物联网卡查询业务分配最高IO优先级，结合快照策略减少随机读操作，将查询延迟从800ms降至200ms，客户关于“物联网卡状态查询慢”的投诉率下降60%
• 主导数据中心网络设备固件升级项目，使用Cisco Prime Infrastructure规划Catalyst 3850交换机的升级路径，采用ISSU（不间断服务升级）方式完成20台设备的安全补丁更新，解决了CVE-2021-1419漏洞问题，同时通过升级后的NetFlow分析功能定位到3起隐蔽的网络环路故障
• 建立边缘节点运维SOP（标准操作流程），涵盖服务器硬件巡检、存储性能监控、网络链路测试等12项关键环节，将边缘节点故障平均修复时间（MTTR）从45分钟降至25分钟，连续18个月未发生因运维失误导致的业务中断

负责公司总部数据中心（承载OA系统、邮件系统及研发测试环境）的IT基础设施运维，边界包括服务器硬件排查、操作系统补丁管理、用户桌面支持及基础网络故障处理

• 搭建服务器监控体系，使用Nagios（主机监控）+Grafana（可视化）整合CPU、内存、磁盘IO及网络流量指标，设置阈值告警规则，将服务器宕机时间从每月8小时降至2小时，其中因硬件故障导致的宕机占比从60%降至15%
• 优化研发测试环境的Tomcat服务器性能，通过调整server.xml中的线程池大小（从200调整至500）、连接池超时时间（从30秒缩短至10秒）及JVM堆内存参数（从4G扩展至8G），支撑50名研发人员同时进行压力测试，页面响应时间从5秒降至1.5秒，提升了测试效率30%
• 主导硬件资产全生命周期管理，使用Snipe-IT工具梳理120台服务器、80台网络设备的采购时间、保修期限及部署位置，淘汰老化服务器15台（服役超过5年），将硬件故障率从12%降至8%，年硬件维修成本减少约30万元
• 解决员工桌面终端频繁断网问题，通过排查交换机端口配置（发现部分端口开启了STP阻塞），调整接入层交换机（H3C S5120）的生成树协议参数，将断网发生率从每周5次降至每月1次，提升了员工办公满意度

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。