郑皓天
- 电话: //
- 邮箱:2251829764@qq.com
- 本科: 广州航海学院
- 学历: 本科应届 (2026 届)
- 在校期间折腾NAS、软路由、国内外VPS。以实践为主,22至26年间部署维护多个自托管服务。坚持通过视频、博客、技术GitBook、AI及社区持续学习,培养了快速学习与搜索,解决复杂技术问题与排错的思维能力。对SRE、云原生、AI领域有强烈探索精神,渴望在企业环境实战中不断深化技术理解。
技能
- AI:熟悉 ClaudeCode、Pi。常制作 mjs工具、多Agent Workflow,不断优化场景适配,实现高性能、高质量的har包网络故障分析、任意热点技术及新闻的DeepResearch、Obsidian数字花园管理。
- IaC:掌握 Terraform、Cloud-init、Ansible。能完成 multipass、orbstack 等本地虚拟环境初始化,以及简单公有云资源的组织和配置,能够理清变量传递、模块及资源依赖。
- 网络:熟悉 TCP/IP、HTTP/HTTPS、DNS 等网络协议,熟悉 WireGuard 异地组网,以及正向代理技术。掌握浏览器har包、MITM抓包的简单分析能力。对异常HTTP状态码、加载缓慢、网络拥塞,有一定处理和优化能力。
- LB、反代、DNS:熟悉 Caddy、Nginx。熟悉证书自动化更新与反代规则配置。对个人域名、异地组网服务反代、DoH安全配置,在Cloudflare、个人服务器有实践经历。
- 公有云:理解 VPC、子网、路由表、安全组、EIP、NAT 与负载均衡的依赖关系;熟悉ECS的集群搭建,有NLB、ESSD等资源配置和使用经验。能根据入口、后端和健康检查拆分问题。在阿里云、腾讯云、华为云有个人账户操作经验。
- CI/CD 与制品管理:理解从代码提交、检查、镜像构建、推送仓库到部署验证的交付链路;了解 GitLab CI 的 stage、job、rules、artifact、cache 与变量。
- GitOps:掌握GitHub action、Argo CD、Argo Rollout 的配置及使用。区分滚动、蓝绿、金丝雀和灰度发布,能围绕流量切换、指标门禁、停止条件与回退路径设计发布检查。
- Docker: 熟悉Docker的网络管理、健康检查、持久化存储及备份。熟悉dockerfile的多层构建及缓存优化。
- Kubernetes:熟悉debug容器的使用,区分 startup、readiness、liveness 探针的职责;理解滚动更新、maxSurge、maxUnavailable、终止宽限期和优雅下线
- Kubernetes 故障定位:能结合 kubectl get、describe、logs、logs --previous、exec 和事件时间线排查 CrashLoopBackOff、ImagePullBackOff、探针失败、挂载失败和节点 NotReady;先保留现场与日志,再判断重启或重建是否必要。
- 集群网络与权限:理解 CNI、CoreDNS、Pod 网络与 Service 转发的职责边界,了解 Cilium 基于 eBPF 的网络与策略能力及 Hubble 流量观测;理解 Namespace 不等于安全隔离,关注 NetworkPolicy、RBAC 最小授权及 Secret 访问控制。
- Kubernetes 健康与发布:区分 startup、readiness、liveness 探针的职责;理解滚动更新、maxSurge、maxUnavailable、终止宽限期和优雅下线
- Kubernetes 调度与资源:理解 requests 与 limits、CPU throttling、OOMKilled、QoS 和节点压力驱逐;了解 nodeSelector、亲和性、污点与容忍,能从资源不足、调度约束、存储绑定和节点状态解释 Pod Pending。
- Kubernetes 服务与存储:理解 ClusterIP、NodePort、LoadBalancer、Ingress、Service selector 与 EndpointSlice 的关系;能沿 DNS、Service、后端端点和 Pod 端口排查访问失败,了解 PV、PVC、StorageClass、访问模式、回收策略与有状态服务的数据保护。
- Kubernetes 工作负载:理解 Pod、Deployment、StatefulSet、DaemonSet、Job、CronJob 的适用场景及控制器协调机制;能配置标签选择器、ConfigMap、Secret、ServiceAccount,理解期望状态、实际状态与声明式管理。
- 可观测: 熟悉Prometheus/Grafana/Altermanager/Loki、
- Prometheus 指标体系:理解 exporter、抓取、服务发现、label、counter、gauge、histogram 与 PromQL;能围绕主机、容器、应用与入口组织看板,使用速率、分位数和聚合观察趋势。
- Grafana 与告警治理:能围绕可用性、延迟、错误率和资源饱和度设计 Grafana 看板;理解 Alertmanager 的分组、路由、抑制、静默和重复通知,使用持续时间与恢复通知减少抖动,告警内容包含影响对象、现象与排查入口。
- Loki 与日志关联:理解日志采集、标签索引、LogQL 与留存管理;能按服务、实例、时间窗口与请求标识关联日志和指标,关注多行日志、时间戳、轮转与敏感信息脱敏,避免把高基数字段全部作为标签。
- 备份与灾难恢复:区分配置、镜像、业务数据、数据库和密钥的备份需求;关注异机或异地副本、加密、保留策略和恢复演练,恢复后验证数据完整性、权限、依赖与实际业务访问。
- 系统资源诊断:能结合 top、ps、free、vmstat、iostat、pidstat、df、du、lsof 分析 CPU、内存、磁盘 IO 和文件句柄;区分负载升高、IO 等待、内存回收、OOM、磁盘容量耗尽及 inode 耗尽,沿进程、容器、宿主机逐层缩小故障范围。
- 服务生命周期:能编写和维护 systemd unit,配置启动依赖、运行身份、环境文件、失败重启与启动限流;结合 systemctl、journalctl、退出状态和启动日志定位服务启动失败、反复重启、端口冲突及开机未自启问题。
- Linux 系统管理:理解用户态与内核态、进程与线程、文件描述符及信号机制;能围绕用户与用户组、sudo、文件权限、软硬链接、环境变量、软件包与软件源完成服务器初始化,区分权限、路径、依赖和运行环境引起的服务异常。
- 文件系统与存储:理解分区、挂载、UUID、fstab、块设备与文件系统的关系,了解 LVM 扩容与文件系统扩展的边界;能排查挂载缺失、只读文件系统、目录权限、已删除文件仍占空间及容器数据目录异常增长。
- 数据库: 熟悉SQL增删改查,慢日志的排查与分析,Mysql和Redis的主从复制、备份恢复、读写分离、分库分表。
- MySQL 数据可靠性:理解主从复制、复制延迟、读写分离与读后写一致性问题;了解逻辑备份、物理备份、binlog 与时间点恢复,关注备份可恢复性、恢复顺序、校验及 RPO/RTO,理解分库分表带来的路由、跨分片查询与事务复杂度。
- MySQL 查询与事务:理解索引、联合索引最左前缀、覆盖索引、回表与执行计划,能结合慢日志和 EXPLAIN 分析扫描量及查询路径;了解事务隔离、MVCC、锁等待与死锁,避免把所有慢查询归因于缺少索引。
- Redis 缓存与持久化:理解常用数据结构、TTL、过期删除、内存淘汰、RDB 与 AOF 的适用边界;能从慢命令、大 key、热 key、内存增长和连接数定位问题,了解主从复制、Sentinel 与 Cluster 的区别,以及缓存穿透、击穿、雪崩和一致性取舍。
- 英语: CET-4
项目经验
FullOps2026.05 - 至今基于阿里ECS的IaC、可观测栈运维技能实践项目
TerraformAnsibleK8SCiliumGitLabArgo CDAli ACRPrometheusGrafana
- Makefile为唯一操作入口,通过Terraform/Ansible初始化ECS,初次搭建20min,基于数据盘恢复8min。
- 部署命令插针,定制skill对输出和日志AI分析,50k上下文3次api调用即可做到部署流程根因定位
- 工程链路理解:以 Makefile → Terraform → Ansible → Kubernetes 为线索,能够解释统一入口、云资源创建、主机配置与集群工作负载之间的职责边界,将环境交付理解为多个可检查阶段,而非单条部署命令。
- 交付闭环:理解 GitLab CI 构建并推送镜像至阿里云 ACR、配置仓库更新与 Argo CD 同步之间的关系,明确代码、镜像、部署版本的对应方式,以及构建失败、拉取失败和同步失败的不同排查入口。
- 网络与观测:理解 Cilium 网络与策略、Service 后端和 DNS 的验证路径,以及 Prometheus/Grafana 对节点、工作负载和业务入口的观测;能围绕发布前后的健康检查、回归识别和回退条件组织验证。
- 故障定位方法:结合已有命令插针与 AI 日志分析实践,强调执行阶段、命令、退出码、关键输出和环境状态之间的关联;以真实报错和复查结果约束模型判断,区分直接故障、上游依赖失败与恢复后仍需验证的事项。
- 恢复流程思考:围绕已有数据盘恢复实践,关注可重建基础设施与必须保留状态的边界;将恢复耗时与恢复正确性分开评价,进一步检查挂载、配置、凭据、依赖服务及入口访问,避免仅凭部署成功判断恢复完成。
黑群晖/UNRAID/VPS/软路由2023.08 - 至今服务器/网络 实践
DockerOSSCloudflarentfy
- 自建服务:Nextcloud、Seafile、AList、WebDAV、Immich存储及共享;Uptime-Kuma、Beszel、哪吒监控;ntfy、gotify消息推送。以及 媒体服务/密码托管/管理面板/远程控制server端 等,25+容器服务
- 内网穿透:使用frp暴露内网服务,打通NAT并黑盒侦测保活,使服务可远程访问。
- 异地组网:建立 WireGuard 异地组网,使用 Caddy 自动更新Cloudflare证书,
- 数据安全与性能:RAID0 配合SSD缓存盘,保障容器IO性能,通过阿里云OSS存储桶建立7日备份,使用rclone建立onedrive备份,保障数据可恢复性。
- 可观测性:使用 Beszel UptimeKuma 对系统资源和容器使用进行监控,多VPS使用CF worker搭建监控面板,对NAS的存储空间/硬盘温度配置报警,多渠道告警/消息通知 推送至ntfy/tgbot。
- 告警的可行动性:围绕已有 NAS 容量、硬盘温度及多 VPS 监控,关注告警对象、阈值、持续时间、通知通道与恢复状态的对应关系;把可用性监控与容量趋势结合,识别需要立即处理的故障和需要提前安排的维护。
- 持续运维视角:围绕存储、媒体、密码托管、监控与推送等 25+ 容器服务,形成从部署到日常维护的完整视角;关注服务入口、配置位置、持久化目录、依赖关系、资源占用与升级风险,不止于让容器首次运行。Dozzle集中日志、Beszel容器资源监控、Backrest结合阿里OSS做定时备份。
个人实践
- Harness: 基于 Pi 的轻型高效工作流。开发 Package,自制 tools 拓展能力。仿照 Deep Research 制作研究型MultiAgents。
- Agent: 自主维护Skill,持久化vps变更记录及现状,辅助排查腾讯云实例恶意入侵问题。不断新增tools,
- 安全事件复盘:能围绕腾讯云实例入侵排查梳理发现入口、证据、影响范围、异常持久化检查、凭据处置与恢复验证;区分已确认事实和待排除风险,不将 AI 生成的推测直接作为安全结论。
- 实践方法:把环境状态变成可检索上下文:结合自主维护 Skill 和 VPS 变更记录,将服务用途、依赖、最近改动与已知问题关联起来;排障先核对当前状态,再提出假设,减少对历史配置和模型记忆的盲目信任。
- 抓包: 移动端 MITM抓包、浏览器抓取Har包,对请求响应分析,解决多个请求失败及风控问题。
- 网络: 熟悉Caddy、Nginx配置。能使用shell封装nginx单机运维脚本,做配置热重载等操作,自用vps有candy反代经验。