Mr.💤
运维leader · 7年经验 · 深圳比核科技有限公司
0
累计接单
0
用户评价
0
被收藏
技术能力
7年运维/开发经验，其中5年以上专注SRE方向。系统与网络：熟悉Linux操作系统、常用服务部署及网络故障排查。容器与编排：熟悉Kubernetes网络（Calico/Flannel）、存储（CSI）及安全策略，设计过基于HPA的自动伸缩和故障自愈机制，熟悉Docker镜像优化与容器化部署策略。CI/CD与自动化：精通使用Jenkins、Kubernetes、Docker构建和优化CI/CD流水线，推动基础设施即代码实践（Ansible/Shell），具备运维自动化平台从0到1的独立设计开发能力。可观测性：深度掌控Zabbix、Grafana、InfluxDB等监控栈的搭建、优化与二次开发，具备端到端的可观测性体系建设经验，熟悉基于SLO/错误预算的告警设计思路，能有效控制告警噪音。数据库：熟悉MySQL、Redis的操作、性能优化与灾备方案设计。云平台：熟悉AWS、阿里云核心服务的运维与优化。编程能力：熟练使用Python、Shell开发自动化脚本和工具平台，能独立完成从需求分析到落地上线的全流程开发。稳定性保障：拥有丰富的On-Call与紧急事件处理经验，专注于优化MTTR，推动有效的故障复盘与改进项落地闭环。软技能：具备团队培训、新人指导和跨部门协调经验，能用英语进行日常技术沟通与汇报。
项目经验
项目一：全球可观测性数据平台高可用架构。负责支撑全球化流媒体业务的可观测性数据平台（基于InfluxDB）的稳定性、性能与成本优化，该平台每秒处理百万级数据点，是衡量核心业务SLA的数据基石。主导完成从单点内存型架构到多实例、文件存储、高可用架构的彻底重构，设计并实施基于VIP切换的主备容灾方案。平台可用性从99.5%提升至99.95%，在业务数据量增长300%的情况下，数据丢失率控制在0.001%以下。
项目二：自动化运维平台独立设计开发。识别到运维团队存在的批量配置、数据通报等大量重复性手动操作痛点，主动发起并独立完成一套运维自动化平台的设计与开发，与CI/CD流程（Jenkins/Kubernetes）深度集成，实现应用发布后的自动化监控装配与上线检查。该平台上线后为团队消除约70%的重复性手工操作，新服务/功能的监控上线时间从平均2小时缩短到5分钟，运维人为失误事件降为零。
项目三：业务稳定性保障与应急响应体系建设。作为团队核心成员，负责7x24小时一级On-Call响应，作为重大故障的应急指挥官，协调开发、网络与基础设施团队进行快速止损与根因分析，主导撰写故障复盘报告并推动改进措施落地。通过优化告警策略和应急手册，将平均MTTR从30分钟降低至10分钟以内，全年成功处理10起以上P1级重大故障，推动建立的故障复盘机制使同类故障复发率降低90%。
项目二：自动化运维平台独立设计开发。识别到运维团队存在的批量配置、数据通报等大量重复性手动操作痛点，主动发起并独立完成一套运维自动化平台的设计与开发，与CI/CD流程（Jenkins/Kubernetes）深度集成，实现应用发布后的自动化监控装配与上线检查。该平台上线后为团队消除约70%的重复性手工操作，新服务/功能的监控上线时间从平均2小时缩短到5分钟，运维人为失误事件降为零。
项目三：业务稳定性保障与应急响应体系建设。作为团队核心成员，负责7x24小时一级On-Call响应，作为重大故障的应急指挥官，协调开发、网络与基础设施团队进行快速止损与根因分析，主导撰写故障复盘报告并推动改进措施落地。通过优化告警策略和应急手册，将平均MTTR从30分钟降低至10分钟以内，全年成功处理10起以上P1级重大故障，推动建立的故障复盘机制使同类故障复发率降低90%。
案例展示
Zephyr自动化运维平台
Zephyr是一套独立设计开发的运维自动化平台，用于解决全球化流媒体业务运维中批量配置、数据通报等大量重复性手动操作带来的效率瓶颈和风险点。本人主动识别问题并独立完成从需求分析、架构设计、开发到上线推广的全流程。技术上以Python和Shell为核心开发自动化脚本引擎，与CI/C
全球可观测性平台高可用重构
负责支撑全球化流媒体业务的可观测性数据平台（基于InfluxDB）的稳定性、性能与成本优化，该平台每秒处理百万级数据点，是定义和衡量核心业务SLA的数据基石。原架构为单点内存型，存在明显的单点故障风险，一旦实例重启或异常将直接导致监控数据丢失，影响故障定位能力。本人独立主导完成了
立即沟通
