负责公司电商核心业务系统（订单、支付、库存）的端到端DevOps体系建设，覆盖从代码提交到生产部署的全流程自动化，主导云原生架构落地、监控体系优化及大促场景下的稳定性保障，工作边界从需求协作阶段的流水线设计延伸至生产环境的故障根因分析与流程迭代。

• 主导设计了基于GitLab CI/CD（Kubernetes Executor）与Argo CD的应用级双流水线体系——针对电商大促“部署质量滞后导致回滚频繁”的痛点，整合SonarQube代码质量门禁（设置代码覆盖率≥85%、OWASP漏洞等级≤Medium的准入规则）与JMeter性能测试插件（模拟1.2万并发请求验证接口响应），将部署前置检查从“人工跑脚本”改为“流水线自动拦截”；同时优化Argo CD同步策略，引入“灰度发布+流量切分”机制（先切10%流量验证，无异常再全量），解决了传统蓝绿部署回滚耗时问题。最终将前置检查耗时从45分钟缩短至12分钟，生产回滚成功率从78%提升至95%，支撑2024年618大促12万+ QPS稳定运行，较2023年同期故障时长减少70%。
• 核心推动Kubernetes混合云集群迁移项目——采用Terraform进行阿里云与腾讯云跨资源编排，结合Calico实现多集群网络打通，同时引入Prometheus+Grafana构建跨集群监控看板（涵盖CPU利用率、Pod重启率、接口延迟等20+指标）。迁移过程中通过“滚动更新+服务发现同步”策略保证零 downtime，迁移后集群资源利用率从35%提升至62%，故障定位时间从平均2小时缩短至15分钟。
• 重点优化配置管理流程——通过Ansible Tower实现IaC版本化管控，针对数据库连接池泄漏问题开发自定义Metric采集器（基于Prometheus Client），联动Alertmanager设置“连接利用率≥80%持续5分钟”的阈值告警。上线后配置漂移导致的故障从每月3次降至0，数据库连接利用率提升28%，支撑双11期间订单系统QPS峰值达15万。
• 牵头搭建混沌工程平台——基于Chaos Mesh注入网络延迟（模拟500ms丢包）、节点宕机、Redis缓存击穿等场景，验证核心订单系统的容错能力；输出《混沌实验报告》并推动开发修复3个分布式事务一致性问题（如订单创建后库存未扣减）。系统可用性从99.9%提升至99.99%，全年故障时长减少85%。

负责公司金融科技产品（理财、信贷）的DevOps流程搭建与容器化落地，聚焦CI/CD效率提升、应用性能监控及资源成本优化，工作边界覆盖微服务从开发到运维的全生命周期支持。

• 主导重构Java微服务（Spring Cloud Alibaba）CI/CD流程——将原有Jenkins Freestyle Pipeline替换为GitLab CI多阶段构建（代码编译→单元测试→Docker镜像→Harbor上传），引入Docker层缓存策略（分离基础镜像与应用依赖层，仅构建业务代码层），同时用Helm Chart模板化管理Kubernetes资源（Deployment、Service、Ingress）。单服务构建时间从28分钟缩短至9分钟，镜像仓库存储成本降低40%，部署失败率从15%降至2%。
• 搭建应用性能监控（APM）体系——集成SkyWalking（Agent自动注入）与Zipkin，覆盖理财下单、信贷审批核心链路，实现“接口响应→数据库慢查询→分布式调用链”的全链路追踪。上线后慢查询率从15%降至3%，用户关于“操作卡顿”的投诉率减少60%，开发定位问题的时间从1小时缩短至15分钟。
• 推动容器化落地——用Kubernetes部署信贷后台服务，通过Resource Quota限制命名空间资源（CPU≤8核、内存≤16G），结合Horizontal Pod Autoscaler（基于CPU利用率≥70%触发）实现自动扩缩容。大促期间自动扩容响应时间从5分钟缩短至1分钟，资源浪费减少30%。
• 建立运维脚本库与知识库——用Python开发ELK日志分析工具（正则匹配错误日志关键词，关联故障场景），自动发送告警至钉钉群并附故障排查指南。将故障排查时间从平均1小时缩短至20分钟，团队运维效率提升50%。

负责公司官网、内部OA系统及MySQL数据库的运维保障，聚焦自动化工具开发与基础架构优化，工作边界覆盖服务器日常巡检、故障排查及业务系统稳定性维护。

• 自动化日常运维——用Shell脚本实现日志切割（按天分割Nginx日志，保留7天）、服务器备份（每周全量备份/etc与/home目录至OSS）及CPU/内存巡检（每天凌晨发送利用率超阈值告警至企业微信）。将每日运维耗时从4小时缩短至1小时，消除了人工漏操作导致的日志占满磁盘问题。
• 优化官网高可用——搭建Nginx负载均衡集群（2台主节点+1台备节点），结合Keepalived实现VIP漂移，解决了官网高峰期（晚8-10点）访问卡顿问题。并发处理能力从5000次/秒提升至1.5万次/秒，全年 downtime 从12小时降至2小时。
• 数据库性能优化——用Percona Toolkit分析慢查询，发现订单表缺少联合索引导致查询耗时5秒以上；优化索引策略（新增order_id+user_id联合索引）并调整InnoDB缓冲池大小（从4G增至8G）。MySQL主库QPS从800提升至2500，支撑了用户量从10万增长至50万的需求。
• 开发简单部署工具——用Python写了一个war包部署脚本，替代手动SSH上传至Tomcat并重启的流程，增加“版本校验”与“回滚功能”。部署时间从30分钟缩短至5分钟，避免了人为失误导致的部署失败。

游戏直播核心链路可观测性与自动化运维平台研发

• 项目背景：公司游戏直播业务年增速超80%，核心链路（弹幕分发、礼物打赏、主播连麦）因多技术栈（Java gRPC、Go微服务、Redis集群、MySQL分库）割裂，故障定位平均耗时45分钟，自动化运维覆盖率仅30%，无法支撑千万级并发的大促活动需求。目标是构建“数据融合-智能诊断-自动化执行”的运维开发平台，实现核心链路故障秒级定位、常规操作全自动化。
• 解决的关键难题：1）多源异构数据（弹幕日志、gRPC调用链、Redis命中率、MySQL慢查询）的实时关联与业务语义映射；2）高并发下自动化任务的资源隔离与幂等性保障；3）非技术运营人员对技术指标的快速理解与自助排查。
• 核心行动与创新：1）主导采用OpenTelemetry全链路追踪标准，结合Flink实时计算引擎，将分散的数据源聚合成“直播场次-用户行为-技术服务”三维链路视图，实现弹幕发送失败可追溯至具体Redis节点或MySQL分库；2）设计基于K8s Job的自适应自动化调度器，引入分布式锁（etcd实现）与业务幂等ID，解决高并发下任务重复执行问题；3）构建业务标签体系，将“弹幕发送成功率”转化为“某场直播互动流畅度”，通过Grafana定制化Dashboard让运营人员可直接关联故障与用户体验。
• 项目成果：平台上线后，核心链路故障定位时间缩短至8分钟内，自动化运维覆盖率提升至75%；支撑公司头部游戏直播IP周年庆活动（峰值并发1200万），期间零重大故障；平台复用率达80%，覆盖公司5条核心业务线，年节省运维人力成本约200万元。本人主导了平台架构设计与3个核心模块（数据关联引擎、自动化调度器、业务视图）的开发，推动跨研发、业务、运维团队的协同落地。

MOBA游戏服务器集群弹性伸缩与成本优化系统

• 项目背景：公司主打MOBA游戏的匹配服务器、战斗服务器负载波动极大（周末峰值负载是平峰的3倍），此前依赖人工定时扩容，服务器闲置率达30%，月成本超500万元。目标是构建基于业务场景的自动弹性伸缩系统，实现“按需扩缩、成本最优”同时保障玩家体验（掉线率<0.1%）。
• 解决的关键难题：1）游戏服务器负载预测的准确性（传统阈值法无法应对活动、赛季等周期性波动）；2）缩容时玩家会话状态的快速迁移，避免掉线；3）弹性策略与游戏业务逻辑的解耦（不能影响战斗中的玩家会话）。
• 核心行动与创新：1）主导引入Facebook Prophet算法，结合游戏业务的历史数据（活动日、赛季更新、周末流量）训练负载预测模型，将预测准确率从65%提升至92%；2）设计“状态同步+无缝迁移”机制，用Redis存储玩家匹配进度与会话信息，缩容前将玩家状态迁移至负载低的服务器，迁移耗时<500ms，玩家无感知；3）开发自定义K8s Metrics Adapter，将游戏业务指标（在线人数、会话时长）接入HPA，实现基于业务场景的自动伸缩。
• 项目成果：系统上线后，服务器数量从200台缩减至120台，月成本降低35%（年节省约240万元）；峰值扩容时间从10分钟缩短至2分钟，玩家掉线率从0.5%降至0.01%；支撑了公司3款MOBA游戏的服务器管理，成为集团游戏业务的通用弹性方案，复用率达100%。本人负责系统架构设计、预测模块开发及与游戏研发团队的对接，验证了技术方案与业务场景的深度融合。

• 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。