张伟 · Operations Engineer

负责校园论坛平台运维，针对日均2000+用户并发访问的高峰场景，通过调整Linux内核参数（如net.ipv4.tcp_tw_reuse）和Nginx worker_processes、keepalive策略，将页面加载时间从2.3秒降至0.8秒，峰值QPS稳定在1500以上。

• 为保障数据库读写性能，针对MySQL慢查询进行索引优化并部署读写分离，使热门帖子查询延迟降低70%；定期执行Shell脚本完成数据归档与全量+增量备份，将恢复时间目标（RTO）控制在15分钟以内。

• 搭建基于Prometheus+Exporters的系统监控体系，采集CPU、内存、磁盘IO及Nginx连接数等指标，配置关键阈值告警（如CPU使用率超80%触发微信通知），使故障发现时间从分钟级缩短至秒级，累计主动发现并处理12起潜在宕机风险。

• 编写自动化Shell脚本实现论坛日志轮转、磁盘空间清理及SSL证书自动续签，将日常运维手动操作从每周6小时压缩至30分钟，确保持续7×24小时无异常中断。

• 配合学校网络安全演练，利用iptables限制异常IP并发连接数，并配置Nginx限流模块（limit_req）抵御突发DDoS攻击，保障论坛在模拟攻击期间的可用性维持在99.8%以上。

为某高校AI实验室搭建含8块NVIDIA Tesla T4 GPU的Kubernetes集群，编写Python调度脚本自动打包TensorFlow训练任务为Docker镜像并分配至最优节点，日均处理15+个深度学习作业，任务排队等待时间减少55%。

• 配置Grafana+Prometheus监控栈，实时采集GPU显存、温度、功率及集群负载等20+指标，设置多级告警规则将硬件异常发现时间从小时级压缩至3分钟，保障训练任务连续无中断运行最长达45天。

• 通过Kubernetes ResourceQuota与节点亲和性策略实现多团队命名空间隔离，支撑5个课题组并行提交作业，资源竞争冲突降至零，集群GPU平均利用率从42%提升至76%。

• 开发Python日志巡检脚本，每2小时自动扫描任务输出并识别Out-of-Memory等异常，触发自动重启与资源扩容，使训练任务成功率从81%提升至96%，累计节省手动排障工时约120小时。

为个人博客系统从零搭建LAMP架构，使用Nginx反向代理分发静态资源与动态请求，并配置Let's Encrypt自动续签HTTPS证书，实现全站加密访问，SSL评级达A+。

• 基于Git管理代码分支，搭建Jenkins CI/CD流水线，实现代码提交后自动拉取、构建、测试并滚动部署至服务器，将手动部署耗时从20分钟缩短至2分钟，迭代效率提升90%。

• 针对WordPress页面加载慢的问题，启用Nginx FastCGI缓存并压缩CSS/JS资源，结合Redis对象缓存，使首屏加载时间从4.8秒降至1.1秒，页面速度评分提升至95分。

• 编写Shell监控脚本与自动备份任务，每6小时全量备份数据库及配置文件至远程存储，并验证恢复流程，确保灾难恢复时间控制在15分钟内，数据零丢失。