• 作为核心研发，参与公司“DevOps平台即服务”产品的开发。该产品基于GitOps（ArgoCD）理念构建，为上千家外部企业客户提供“应用交付与持续部署”能力。通过设计“多集群、多环境一键发布与回滚”功能，其稳定性和易用性，成为产品的核心卖点，年创造收入超百万元。
• 攻克了“大规模GitOps部署同步”的性能与稳定性瓶颈，通过优化ArgoCD Application Controller的事件处理机制和引入分页查询，使单集群可稳定管理上万个应用，同步延迟降低60%。
• 开发“配置漂移检测与自动纠正”模块，能够持续比对集群实际状态与Git库中的声明式配置，发现并自动修复人为误操作导致的配置变更，保障了客户生产环境的“不可变性”与合规性。
• 将“可观测性”深度融入交付流程，应用部署后自动为其创建Grafana监控大盘和告警规则，实现了部署即监控，帮助客户快速定位上线后的问题。

• 负责公司内部“制品库管理”系统的开发和维护，统一管理了Docker镜像、Helm Chart、NPM包等所有二进制依赖，通过生命周期管理和垃圾清理策略，节省了30%的存储空间。
• 独立研发实现了“CI/CD流水线模板化与标准化”，提炼了各技术栈的最佳实践，新项目接入DevOps体系的效率提升80%。
• 积极贡献开源社区，向Argo CD等项目提交了若干Bug Fix和微小功能改进。

星途互娱核心游戏业务全链路可观测体系从0到1落地项目

• 项目背景：公司核心手游《星途纪元》用户量突破5000万后，故障排查平均耗时达45分钟，跨后端、网关、前端团队协作依赖口头传递日志，效率极低；同时业务侧无法快速关联“用户掉线”与“服务器CPU飙升”的因果关系。我的总体职责是主导平台架构设计、OpenTelemetry数据标准制定，以及推动业务团队接入与落地推广。
• 关键难题：1）多源观测数据（Prometheus Metrics、ELK Logs、Jaeger Traces）格式不兼容，实时查询延迟高达12秒；2）业务自定义指标（如“角色副本加载时长”）需手动配置Schema，接入周期平均3天；3）故障定位需在3个工具间跳转，缺乏业务上下文关联。
• 核心行动：1）牵头制定《星途互娱OpenTelemetry全链路埋点规范》，明确“服务-接口-业务事件”三级标签体系，推动12个业务团队完成40+微服务接入；2）基于ClickHouse设计“时序+日志+追踪”融合存储方案，通过“业务线ID+时间戳”双分区+ Bloom Filter索引，将查询延迟降至1.5秒内；3）开发Grafana定制插件，将业务标签（如游戏区服、角色ID）与观测数据关联，实现“用户投诉-链路追踪-服务器指标”的一键跳转。
• 项目成果：故障排查时间从45分钟降至8分钟内，跨团队协作成本降低60%；支持《星途纪元》《星途战纪》等3款核心手游的日常运维，自定义指标接入效率提升70%（从3天缩至4小时）；平台成为公司级可观测标准，支撑暑期档活动0重大故障，用户7日留存率较去年同期提升2%，间接带来1500万流水增量。

星途互娱混合云K8s运维自动化平台迭代升级项目

• 项目背景：公司完成阿里云+私有云OpenStack混合云迁移后，原有运维依赖Shell脚本与人工操作，容器扩容需2小时，配置漂移率达18%。我的职责是负责平台容器化管理模块开发、CI/CD流水线集成，以及混合云资源调度优化。
• 关键难题：1）混合云环境下，阿里云ECS与OpenStack虚拟机的资源调度策略不统一，导致部分节点利用率不足30%；2）K8s健康检查仅依赖进程存活，无法感知应用业务异常（如接口响应超时）；3）原有GitOps流程缺乏权限校验，偶发误操作导致服务不可用。
• 核心行动：1）开发混合云资源调度器，基于“资源利用率+成本模型”动态分配负载，将节点平均利用率提升至65%；2）定制K8s Operator，整合应用业务指标（如接口QPS、队列长度）作为健康检查标准，误报率从25%降至3%；3）基于Argo CD重构CI/CD流程，实现“配置变更-权限校验-灰度发布-回滚”的自动化闭环，权限违规操作次数降为0。
• 项目成果：运维自动化率从55%提升至88%，容器扩容时间从2小时缩短至15分钟；支撑公司《星途纪元》新版本上线（峰值QPS达10万），未出现因运维操作失误导致的故障；年运维成本降低35%（约800万元），平台被纳入公司云原生技术中台，推广至全公司5个业务线。