关于作者

昵称： 南宫乘风

工作年限： 5年

博客大屏： https://dash.ownit.top/

获的证书： CKA ， CKS

性格： 热爱学习，喜欢挑战自我并追求自己的兴趣，有清晰的规划

座右铭： 未来的你，会感谢今天仍在努力奋斗的你

岗位： 运维开发工程师

技能： 擅长 Linux，Kubernetes，Python（Flask），监控（Prometheus）及自动化技术（Ansbile）

研究方向： 专注于 Kubernetes，AI (Prompt), GO，Istio，云原生 和 Vue

目标： 成为一名优秀的DEVOPS工程师

联系我： 1794748404@qq.com

持续输出 DevOps 运维实战博客 400+ 篇，总访问量 100w+、粉丝数 1w+，具备良好行业影响力与知识传播能力。

经历

前期成长

问： 为什么要记录学校期间的经历？

解： 因为正是这些学习和实践，才让我走上了运维的道路。这段宝贵的经历对我意义重大，我对此深表感激。

学校期间

• 自学Shell和Linux操作：通过自学掌握了Shell脚本编写和Linux操作系统管理的基本技能，积极参与在线社区交流，解答问题并分享经验，不仅提升了自己的技术水平，还为社区其他成员提供了帮助和支持。
• 学校网站建设与维护：
  • 责任：负责学校网站的建设和日常维护工作。
  • 措施：
    • 通过使用防火墙和代码审查等技术和工具，确保Web服务器的安全性。
    • 制定并完善了网站的备份和灾难恢复计划，确保数据安全和恢复能力。
  • 成果：
    • 网站运行稳定，未发生重大安全事故。
    • 数据安全得到保障，即使在突发事件中也能迅速恢复，减少了对学校日常运作的影响。
• 协助管理机房服务器：
  • 责任：参与机房服务器的管理工作。
  • 措施：
    • 负责安装和配置服务器操作系统和各类服务软件。
    • 配置网络和防火墙，确保服务器的安全和网络稳定。
  • 成果：
    • 服务器系统运行高效，服务软件配置合理。
    • 机房网络稳定，服务器安全性得到了提升，有效防止了潜在的安全威胁。

工作经历

First: 售票系统

岗位： Linux运维工程师

工作内容

1、 负责项目软件安装及系统部署工作，编写对应的实施文档

2、 制定数据库备份方案，灾难出现时对数据库进行恢复。

3、 负责部署和管理监控系统环境，自定义脚本监控，实现监控报警功能

4、 负责公司线上环境管理工作，包括平台的实施部署和维护，代码更新，告警修复等操作。

5、 负责公司 web（Nginx、Apache、Tomcat）项目、数据库服务器的日常维护，程序版本更新。

6、 编写日常维护巡检 Shell /python 脚本获取每日服务信息邮件推送进行汇报;

负责异地组网和 VPN 技术构建与维护

案例：Openvpn企业级使用方案

• 项目描述

  公司服务器和客户服务器分布于多个网段与地域，缺乏统一管理渠道且部分业务需跨地域互通。因公网 IP 数量有限，且部分数据对传输安全要求高，需搭建加密、安全的内网通信方案。

• 工作内容：

  • 主导企业级 OpenVPN 架构设计与部署，实现异地服务器组网与加密通信。
  • 设计服务器网段与路由规则，编写自动化脚本完成用户创建与数据备份，防止配置丢失。
  • 部署 JumpServer 作为堡垒机，细化账号权限管理、操作审计与数据库定期备份。
  • 多轮测试验证后上线正式环境，并负责后续运维支持。

• 成果：

  • 实现覆盖 1000+ 台服务器的稳定组网通信，数据安全加密传输，零中断部署。
  • 自动化脚本减少 90% 以上手动配置工作量，VPN 用户维护效率提升 3 倍以上。
  • JumpServer 审计日志准确率 100%，大幅降低安全风险，符合等保审计要求。

其余项目

• 工作内容：
  • 重构备份体系，使用 rsync + Shell 脚本实现增量备份、打包、MD5 校验与异常报警，迁移方案至正式生产环境 （架构图）
  • 全面优化 Zabbix 监控系统，包括模板、触发器逻辑、性能监控、图像呈现与多维告警链路搭建。 （项目优化）
• 成果：
  • 实现 100% 自动化备份流程，客户数据备份日均处理数据超 1000GB+，并通过 MD5 校验 + 邮件预警将备份失败响应时间从 >1 小时缩短至 5 分钟内。
  • 优化监控模板后，误报率降低 80%，触发器灵敏度提升，监控覆盖核心服务及中间件（如 Nginx、Redis、MySQL）。

Second: 维护上千台Linux系统

岗位： 自动化运维工程师

工作内容

1、负责维护 上千台 生产环境服务器的操作系统（实现ansible自动化管理）

2、根据业务需求编写shell和Python脚本，处理问题

3、增加集群prometheus监控，实现各方位的监控，从硬件，操作系统，到业务等

4、负责运维项目开发, 自动化脚本编写（编写Django告警接口对接alertmanager，Gin开发邮件告警服务，优化邮件接口，接入数据库，实现故障汇中和分析。）

5、分析报错日志，定位问题和解决问题

6、docker的构建，上传 和扫描 等维护

7、负责部分业务上线，业务环境测试到生产

8、负责维护Kubernetes业务，构建持续交付，更新和发版

上千台服务器监控告警系统搭建开发

• 项目描述

  随着公司服务器规模扩大至上千台，需建立一套统一的高可用监控系统，实现全面指标采集、实时告警分发、数据长期存储与可视化分析。

• 工作内容：

  1. 监控告警集群配置：
     • 搭建 Prometheus + Alertmanager + Consul + Grafana 集群，使用 Ansible 批量部署 Node Exporter 并注册至 Consul，实现服务自动发现。
     • 构建基于 Django 的告警平台，对接 Alertmanager，将告警信息按严重等级分类路由至不同钉钉群组，实现多维告警联动响应。 （Django告警项目）
  2. 指标数据持久化存储：
     • 筛选关键指标，丢弃无效数据以减小冗余负载。
     • 使用 Go 插件 prometheus-postgresql-adapter 将数据写入 PostgreSQL，支持**90 天+**历史监控数据查询和可视化。
  3. 监控数据可视化：
     • 配置 Grafana 展示核心业务服务的监控数据与 SLA 指标，设定多角色访问权限及分层看板（业务层、基础设施层等）。

• 成果：

• 成功覆盖 1000+ 台服务器与 50+ 应用服务的实时监控与告警体系，系统稳定性提升至 99.99%。

• 告警响应平均时间从 15 分钟缩短至 2 分钟内，重大故障预警命中率提升 85%+。

• 基于 Ansible 的客户端自动化部署，部署时间从 3 小时缩短至 15 分钟内，部署出错率趋近于 0。

• 告警平台上线后，运维团队人工告警分发工作量减少 95%，实现闭环处理与状态跟踪闭环管理。

MHA数据架构优化

案例：MHA高可用方案

• 项目描述

原有 MySQL 主从复制架构存在主库负载高、读写不均衡、主库宕机无自动切换等问题。通过部署 MHA 实现数据库故障自动切换，并配合 Atlas 实现读写分离，从根本上提升业务连续性与数据库性能。

• 工作内容： - 构建一主两从架构，配置 SSH 免密认证及节点连通性验证。
  • 部署 MHA 管理节点，编写 Shell 脚本自动检测 repl 状态、SSH 连接、MySQL 运行状态。
  • 配置自动主从切换及邮件通知（send_report），并通过 Zabbix 监控主从延迟与健康状态。
• 成果：
  • 实现数据库故障自动切换，RTO 缩短至 <30 秒，避免主库宕机造成业务中断。
  • 实施读写分离后，主库 CPU 利用率下降 约 50%，平均查询响应时间优化 40%+。
  • Zabbix + 邮件联动告警系统提升了异常响应效率 3 倍，提高整体系统可维护性与安全性

其余项目

• 工作内容：
  • 构建网站高可用集群，采用 Keepalived + Nginx + MySQL + Redis + NFS + Web 多层架构，支持流量负载均衡、自动故障转移与数据高可用。 架构具备水平扩展能力，支持业务增长和敏捷交付。 （项目架构图）
  • 规划并上线企业级日志采集系统，覆盖 1000+ 台服务器，采集系统日志与应用日志，统一接入 Elasticsearch 集群进行存储、索引和检索。
  • 编写 Ansible Playbook，实现 SSH 安全加固、系统补丁下发、批量脚本执行与服务自动扩缩容。
• 成果：
  • 整体系统可用性提升至 99.99%，支持日均访问量 百万级流量稳定运行。 高可用机制下，单点组件宕机不影响业务访问，切换时间 <10 秒。
  • 实现分钟级日志采集与检索，平均问题定位效率提升 70%+，支持安全审计与故障回溯。
  • Ansible 脚本自动化部署覆盖率达 95%，服务器维护时间缩短 60%+，人力成本大幅降低。

Third：五百强的子公司

岗位： 运维开发工程师

Kubernetes 集群管理与运维

• 工作内容：
  • 负责生产环境 Kubernetes 集群的搭建、维护与日常运维，覆盖多业务线系统，确保容器化平台稳定运行。
  • 熟练掌握 Kubernetes 集群架构设计（高可用、存储、网络、安全等），并制定标准部署方案和故障处理流程。
  • 持有 CNCF 官方认证的 **CKA（Kubernetes 管理员）与CKS（安全专家）**证书，持续跟进云原生领域前沿实践与安全标准。
• 成果：
  • 成功支撑 10+ 核心业务系统从传统架构平滑迁移至 Kubernetes，实现 0 中断上线，
  • 构建自动诊断与告警体系，平均 故障定位时间从 40 分钟缩短至 10分钟，高优事件响应效率提升 4 倍。
  • 优化容器资源分配策略，CPU 利用率提升约 30%，节点资源浪费减少 40%

自动化发布与工作流程优化

• 工作内容：
  • 维护并优化 GitLab + Jenkins + Ansible 的自动化发布流水线，编写标准化发布脚本，确保部署流程安全高效。
  • 集成发布后自动巡检、系统告警、日志采集入库等流程，提升系统可观测性和问题响应能力。
  • 开发钉钉 OA 工单信息收集与分析系统，自动分类与统计日常运维/开发工单，支持工作量量化考核与资源分配优化。
• 成果：
  • 自动化发布流程覆盖 95% 以上业务服务，平均发布耗时减少 70%，人力依赖显著下降。
  • 实现每日自动巡检 + 实时告警机制后，故障发现平均提前 20 分钟，服务稳定性明显提升。
  • 钉钉工单系统月均处理信息量超 3000 条，分类准确率达 98%+，为团队节省了大量手动汇总与统计工作时间。
  • 整体运维流程标准化后，团队协作效率提升约 2 倍，有效支撑公司多部门并行交付需求。

成本优化与系统开发

• 工作内容：
  • 分析阿里云资源账单，识别高费用服务项（如ECS、SLB、OSS等），并制定优化策略（如资源合并、实例规格降级、自动关停空闲资源等）。
  • 基于标准MVC流程，使用 Python 快速搭建开发上下游环境，集成 Swagger 文档，提升协作与交付效率。
  • 基于 GPT 与向量检索（Faiss）构建内部智能客服系统，实现常见问题自动应答与知识库联动。
  • Python开发证书告警监控系统，对接钉钉发送通知告警（https://github.com/nangongchengfeng/SecuCert-Monitor）
  • Python开发黑猫投诉平台，舆论监控系统（BuzzMonitor）（https://github.com/nangongchengfeng/BuzzMonitor））
• 成果：
  • 年化节省阿里云成本约 35 万元，资源利用率提升约 40%，通过策略自动化降低人工排查与干预成本。
  • 开发环境搭建耗时从 5天缩短至 20分钟，问题定位效率提升 3 倍以上。
  • 智能客服系统上线后，基础问题自动响应率达 70%+，人工客服重复工作量下降约 30%。
  • 证书监控系统稳定运行一年内，预警命中率达 100%，有效避免了 2 起证书过期导致的接口中断事故。

🧩 个人项目与开源贡献

🧑‍💻 独立开发项目

• filewatch_exporter： 基于 Prometheus 的文件与目录状态监控 Exporter，支持监控文件/目录的存在性、权限、大小、变更时间、文件数量等关键指标，适用于安全审计、配置变更检测等场景。
• heapdump-watcher： 使用 Go 编写的堆转储文件自动化监控工具，可用于线上系统内存泄露排查场景中的自动收集、归档和告警。
• Chat-CodeReview： 基于 ChatGPT 的智能代码审查工具，自动集成 GitLab Merge Request 流程，实现智能代码审计与注释，有效提升团队代码质量与审查效率。
• Python-Flask-Template： 面向快速开发的Flask 项目模板工程，包含标准目录结构、配置分离、Swagger 文档集成，适合作为中小型项目脚手架。

🤝 协助开发与维护

• go-ldap-admin： 协助开发和维护基于 Go + Vue 的 OpenLDAP 管理后台，参与功能优化与前后端交互逻辑增强。
• reference： 参与整理与维护开发者常用 命令、正则、Shell、Git、K8s 等速查清单，为技术社区提供结构化知识参考。
• k8s_PaaS： 参与 Kubernetes 上构建 DevOps 平台的部署过程，协助调优 Helm Charts 与持续交付流程。

项目截图

独自开发系统如下：

证书告警平台

证书截图