混合云 K8s+GPU 推理运维平台建设

语言技术：Kubernetes、Linux、Prometheus、Ansible、vLLM
项目简介：本项目面向企业内部 AI 业务与业务系统，搭建混合云 Kubernetes 集群，支撑业务服务以及 GPU 大模型推理业务落地，完成集群运维、监控告警、资源治理、信创数据库迁移整套基础设施运维工作。
本人全权负责基础设施运维工作：
1、部署维护 TKE/ACK 混合 K8s 集群，完成集群调优、资源配额管控、安全加固，处理日常集群故障、Pod 异常、节点问题；
2、搭建 GPU 推理环境，部署 vLLM 推理服务，配置 NVIDIA DCGM 监控，实现 GPU 资源利用率监控告警；
3、基于 Prometheus+Grafana 搭建完整监控大盘，优化告警规则，做告警降噪，对接告警通知；
4、使用 Ansible 编写自动化运维脚本，实现批量服务器配置、环境初始化，提升运维效率；
5、完成 MySQL 向达梦 DM8 信创数据库迁移工作，数据迁移、备份恢复、业务适配调优；
6、落地 CI/CD 交付流程，使用 Helm 管理应用发布，输出运维 SOP 操作文档，处理线上突发故障。
项目成果：集群稳定性提升，降低人工运维工作量，GPU 资源利用率提升，顺利完成国产化数据库改造，支撑业务稳定运行。
演示地址：项目为企业内网基础设施环境，无对外公开演示地址，可提供运维文档、架构说明沟通验证。