负责公司数据中心增值业务承载系统（企业短信、视频短信、IoT连接管理平台）的7×24小时稳定运维，涵盖服务器集群、全闪存储阵列及SDN网络的监控、故障根因分析（RCA）与性能调优；主导增值业务端到端链路保障，联动研发解决业务层与基础设施的耦合问题；推动Python/Ansible自动化工具落地，降低人工干预率；基于时间序列预测模型优化资源分配，支撑业务峰值场景的弹性供给。

• 针对企业短信平台大促期间发送量激增（峰值达12万条/秒）导致的延迟超标问题，基于Prometheus+Grafana构建分层监控体系——新增短信队列长度、网关转发延迟等定制指标，联动SDN控制器动态调整流量路径至备用链路；同步优化Zabbix告警规则（将阈值从“队列积压>1万条”前置到“>3千条”），配合自动化脚本来回滚异常配置，最终将SLA从99.9%提升至99.99%，单次大促故障时长从2.5小时压缩至30分钟内，支撑业务峰值收入增长40%。
• 主导开发“服务器CPU过载自愈系统”——用Python调用Ansible Tower API，结合历史负载数据训练逻辑回归模型识别异常进程，当CPU利用率连续5分钟>85%时，自动触发“降频非核心进程+弹性扩缩容”动作；覆盖了82%的常见CPU故障场景，将MTTR（平均故障恢复时间）从30分钟降至2分钟内，年节省人工排查成本约18万元。
• 为支撑IoT连接管理平台季度30%的业务增长，用Python编写“存储资源预测模型”——基于过去12个月的IOPS、吞吐量及业务用户数数据，用ARIMA算法预测未来季度的全闪存储需求；优化采购策略后，服务器与存储的冗余率从25%降至10%，直接节省硬件成本120万元，同时确保业务峰值时存储延迟仍低于1ms。
• 协同增值业务研发团队解决视频短信卡顿问题：用Wireshark抓包分析发现CDN节点与数据中心间的TCP重传率达15%（行业阈值<5%），定位为QoS策略未优先标记视频流；调整数据中心交换机的DSCP值为EF（Expedited Forwarding），并将TCP窗口大小从16MB扩容至32MB，最终卡顿率降至0.1%以下，用户投诉量减少72%。

负责数据中心基础架构（X86服务器、EMC存储、Cisco网络设备）的日常运维，支撑语音验证码、企业彩印等核心增值业务的稳定运行；参与灾备方案设计与演练，保障业务连续性；优化监控覆盖度，提升故障预警能力；协助处理重大故障，缩短恢复时间。

• 主导灾备体系从“冷备”向“热备”转型：用VMware SRM搭建跨机房的虚拟机复制环境，制定“分钟级切换”演练流程（每月1次全链路测试），将RTO（恢复时间目标）从4小时缩短至30分钟内，助力公司通过ISO 22301业务连续性管理体系认证，成为某头部金融客户的核心供应商。
• 重构监控体系解决存储故障漏报问题：针对原有Zabbix模板仅监控存储利用率的缺陷，自定义IOPS波动、RAID卡缓存命中率等12项关键指标，结合ELK栈分析存储设备日志；提前3次预警“存储介质坏道”隐患，避免了2次可能导致业务中断的故障，年减少业务损失约50万元。
• 处理企业彩印系统宕机故障：夜间系统突然不可用，经Percona Toolkit分析慢查询日志，定位到数据库服务器存在内存泄漏（由第三方插件未释放缓存导致）；协同研发修复插件逻辑，同时新增“内存使用率+泄漏速率”双维度监控，将MTTR从2小时压缩至40分钟，后续同类故障发生率下降90%。
• 优化虚拟机资源利用率：用VMware vRealize Operations分析300+台虚拟机的CPU/内存利用率，整合闲置VM（原利用率<20%），将服务器平均利用率从30%提升至50%，年节省机房电力成本约35万元，同时腾出15%的机架空间支撑新业务部署。

负责数据中心服务器、网络设备的日常维护，支撑企业邮箱、呼叫中心等初期增值业务运行；执行硬件巡检与固件升级，保障基础设施可靠性；协助搭建基础监控系统，提升运维效率。

• 搭建公司首个自动化监控系统：用Nagios+NCurses组合实现服务器CPU、内存、磁盘的实时监控，替代原有人工巡检模式；设置分级告警（邮件→短信→电话），将故障发现时间从2小时缩短至5分钟内，支撑业务从试运营到正式上线的平稳过渡。
• 处理存储服务器RAID卡故障：某台EMC存储服务器因RAID卡电池失效导致数据读取延迟高，用厂商提供的Navisphere Manager诊断工具定位问题，30分钟内完成RAID卡更换并恢复数据，未影响企业邮箱用户的收发信功能；后续推动“RAID卡健康度月度检查”纳入运维流程，年减少存储故障10余起。
• 完成核心设备固件升级：针对数据中心Cisco交换机频繁出现的丢包问题（丢包率1%→影响视频会议质量），下载最新IOS-XE固件，采用“滚动升级”方式替换旧版本；升级后丢包率降至0.01%以下，网络可用性从99.9%提升至99.99%，支撑呼叫中心的语音通话质量提升。
• 编写运维知识库：整理《数据中心硬件常见故障处理手册》《服务器固件升级操作指南》等文档，覆盖80%的日常运维场景；新员工培训周期从2周缩短至5天，团队整体故障处理效率提升40%。

5G+增值业务跨域故障快速定位体系构建项目

• 项目背景：公司5G增值业务（云游戏、VR直播、工业远程控制）用户量年增长40%，但因涉及华为5GC、中兴传输、爱立信核心网等多厂家网元，故障定位依赖人工逐点排查，平均耗时4小时/次，月度用户投诉超1200件，直接影响增值业务ARPU值（下降8%）。我的核心目标是主导构建跨域故障快速定位体系，将故障定位时长压缩至30分钟内，支撑业务稳定性达标。
• 解决的难题：一是跨厂家网元日志异构（华为eSight、中兴iManager、爱立信NetAct日志格式不统一），无法关联分析；二是缺乏增值业务专属故障关联规则，传统告警收敛算法误报率达60%；三是实时性不足，无法匹配5G低时延业务需求。为此，我选择结合NLP日志结构化、知识图谱故障推理、LSTM实时预测的方法，打通多源数据链路。
• 核心行动与创新：1. 牵头梳理12类增值业务核心链路（如“云游戏终端-边缘MEC-5GC-内容平台”），定义216个关键KPI及故障阈值；2. 开发NLP日志解析引擎，将异构日志转化为结构化事件（准确率92%），并基于Neo4j构建包含1.2万条故障规则的跨域知识图谱（覆盖网元、链路、业务三层关联）；3. 集成Prometheus实时监控与LSTM模型，提前15分钟预测链路拥塞或网元异常，触发知识图谱推理定位根因。
• 项目成果：故障定位时长从4小时降至12分钟内，月度投诉率下降至320件以下，支撑增值业务ARPU值回升5%；每年节省运维人力成本约240万元（减少2名专职故障排查人员）；该体系被纳入公司5G增值业务运维标准，支撑当年增值业务收入增长18%。

IPTV增值业务QoE提升及动态资源调度项目

• 项目背景：公司IPTV增值服务（4K点播、互动直播、教育专区）用户反馈卡顿率达15%，主要因晚高峰（19:00-21:00）多业务流（直播、点播、广告）争夺带宽，传统静态QoS策略无法适配动态需求，导致用户留存率仅68%。我的目标是主导优化QoE体验，将卡顿率降至10%以下，提升用户留存至75%。
• 解决的难题：一是多业务流优先级静态分配，无法匹配用户实时行为（如教育专区高峰在晚8点，与电视剧直播冲突）；二是边缘节点（MEC）资源利用率低（仅62%），热门内容重复下载占用带宽；三是用户行为预测不准确，导致资源调度滞后。为此，我选择结合用户行为分析、强化学习调度算法、MEC边缘缓存的方法，实现动态资源适配。
• 核心行动与创新：1. 拆解IPTV增值业务QoE指标（卡顿率、加载时延、缓冲比），关联用户行为数据（观看时段、设备、内容类型），用XGBoost模型预测晚高峰各业务带宽需求（准确率89%）；2. 在10个地市MEC节点部署4K内容缓存服务器，将热门教育课件、电视剧片花下沉至边缘，减少核心网带宽占用；3. 开发基于Q-learning的动态带宽分配算法，根据实时需求调整直播（40%→35%）、点播（35%→40%）、广告（25%→25%）的带宽配额，优先保障高优先级业务（如互动直播）。
• 项目成果：IPTV增值业务卡顿率降至8.7%，用户留存率提升至76%；MEC节点带宽利用率从62%提升至88%，每年减少骨干网带宽成本约180万元；该调度方案成为公司IPTV增值业务标准配置，支撑业务收入年增长22%，并获得省通信管理局“优质服务质量案例”奖项。

• 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。