褚成志的简历中心

Appearance

💬 打招呼语

您好，我是褚成志，6年华为云原厂经验，主导交付过DeepSeek-R1大模型多机推理项目，熟悉AI Stack/AI Studio/百炼等大模型平台的日常运维与稳定性保障。具备K8S生产集群运维、Prometheus+ELK可观测性体系建设及重保值班经验，能快速定位推理服务故障，保障业务零宕机运行，期待与您详聊。

avatar

褚成志简历 ​

联系方式： 13868166992 | 邮箱： livecityccz@163.com
GitHub： https://github.com/initchu | 博客： https://www.cnblogs.com/chucz
求职意向： 大模型交付运维 | 期望城市： 杭州

核心优势 ​

  • 大模型平台交付运维：主导衢州数据局DeepSeek-R1大模型多机推理项目全流程交付，熟悉AI Stack/AI Studio/百炼等大模型服务平台的日常运维，具备模型上架、性能监控、中间件与底层基建监控告警等实战经验
  • K8S集群运维：6年华为云原厂经验，具备华为云CCE及自建K8S集群现网运维经验，管理资源池规模超8000台服务器，熟练处理Pod调度异常、节点NotReady、网络不通等生产故障，具备K8S生产集群部署、调优与故障排查全流程经验
  • 推理系统部署与性能优化：具备DeepSeek等主流大模型的容器化部署与推理调优经验，通过动态批处理、W8A8量化推理、HCCL RDMA协议启用等手段，通过动态批处理、W8A8量化推理、HCCL RDMA协议启用等手段，推理吞吐量提升约40%、首token延迟降低约30%
  • 可观测性体系建设：构建Prometheus+Grafana+ELK全链路监控告警体系，设置200+项告警阈值，覆盖95%以上故障场景；部署昇腾Profiler监控平台，分析算子执行与通信耗时，实现业务零宕机运行
  • Linux运维与自动化：熟练使用Linux命令进行系统管理、日志分析及故障排查，优化CPU/内存/磁盘I/O等资源性能；使用Ansible实现自动化部署与批量运维，编写Python/Shell脚本提升运维效率
  • 应急响应与稳定性保障：参与重保值班，P1级故障启动WarRoom响应，遵循"日志→配置→资源→网络→周边依赖"排查路径，平均30分钟内定位故障方向并止血，服务50+大中型政企云项目零重大事故

技术能力 ​

  • 大模型与AI平台：DeepSeek大模型（R1/V3）部署与推理优化、ModelArts平台、MindIE推理引擎、AI Stack/AI Studio/百炼平台运维、昇腾NPU/GPU异构算力调度、模型量化与推理加速
  • 容器与编排：Kubernetes（Deployment/StatefulSet/DaemonSet/HPA/RBAC）、Docker镜像构建与Harbor仓库管理、CCE容器平台、微服务治理、K8S控制器二次开发
  • 可观测性：Prometheus/Grafana监控体系、ELK日志分析（Elasticsearch/Logstash/Kibana）、昇腾Profiler、AOM/APM、指标/日志/链路三位一体监控、告警编排
  • Linux与自动化：Linux系统运维与性能调优（CPU/内存/磁盘I/O）、Shell脚本、Python运维脚本开发、Ansible自动化部署与配置管理
  • 数据库：MySQL、PostgreSQL、Gauss数据库运行管理与性能优化
  • 云计算平台：华为云Stack（HCS）IaaS/PaaS架构设计与运维（专家级）、OpenStack、KVM虚拟化、SDN网络
  • 中间件：Redis、Kafka、RocketMQ、API网关、HCCL通信库

工作经历 ​

华为技术有限公司 | 技术服务专家（华为云TD） | 2019.08 - 至今 | 杭州 ​

  • 大模型平台交付运维：主导DeepSeek、华为盘古等大模型的部署与推理优化，具备ModelArts平台、MindIE推理引擎使用经验；负责AI Stack/AI Studio等大模型服务平台的日常运维，处理模型上架、性能监控、推理服务异常等典型问题
  • K8S集群运维与稳定性保障：作为NA客户业务第一责任人，负责区域内多个K8S集群7×24小时稳定性保障，熟练处理Pod调度异常、节点NotReady、OOM等生产故障；构建ManageOne+APM+AOM+Prometheus+Grafana全栈可观测平台，实现指标、日志、链路三位一体监控
  • 应急响应与重保值班：参与重保值班，P1级故障启动WarRoom响应，遵循"日志→配置→资源→网络→周边依赖"排查路径，平均30分钟内定位故障方向并止血；依据"九要素+三授权+现场四确认"变更管控体系，实现生产变更零事故
  • Linux运维与自动化：熟练使用Linux命令进行系统管理、日志分析及故障排查，优化CPU/内存/磁盘I/O等资源性能；使用Ansible实现自动化部署与批量运维，编写Python/Shell脚本提升运维效率
  • 底层基建监控告警：构建统一可观测监控体系，设置200+项告警阈值，覆盖计算、存储、网络及应用性能全维度；严格落实IAM最小权限+K8s RBAC分层授权，结合堡垒机实现操作全量留痕

杭州中恒云能源互联网技术有限公司 | 解决方案工程师 | 2017.06 - 2019.06 | 杭州 ​

  • 参与能源互联网平台产品设计、数据采集组网、模块选型和协议开发对接，支撑电网、发电企业安全生产提效降本
  • 构建网关设备主动式运维，实现设备故障预判与智能调度，运维响应时间与故障处理效率显著提升

浙江新能量科技股份有限公司 | 软件工程师 | 2013.05 - 2017.06 | 杭州 ​

  • 负责GDW376.1/IEC104等电力行业通信规约的嵌入式开发调试，优化协议解析引擎性能，数据传输成功率提升至99%
  • 设计低功耗、高可靠嵌入式网关设备，实现传感器数据采集、规约转换及边缘计算功能

核心项目经验 ​

衢州数据局DeepSeek大模型多机推理项目 | 产品技术经理 | 2025.03 ​

基于HCS+ModelArts架构，完成DeepSeek-R1大模型多机推理部署与全链路性能优化，适配昇腾910硬件环境，交付政务场景高可用大模型推理服务，支撑业务稳定调用与高效响应。

  • 技术栈：ModelArts、MindIE、DeepSeek大模型（R1/V3）、昇腾芯片（NPU）、Kubernetes、Docker、HCCL通信库、OBS、SWR、昇腾Profiler
  • 完成ARM环境准备、Docker镜像制作与SWR上传、模型权重OBS存储配置；修改MindIE及模型权重目录config.json，配置分布式推理参数与模型类型兼容
  • 优化ModelArts资源配比（CPU/内存/昇腾芯片），启用芯片亲和性调度；通过动态批处理、W8A8量化推理、HCCL RDMA协议启用等手段优化推理性能
  • 部署昇腾Profiler监控平台，分析算子执行与通信耗时；完成MA在线服务与客户侧应用集成对接及Token鉴权配置
  • 成果：通过动态批处理、量化推理与RDMA通信优化，推理吞吐量提升约40%、首token延迟降低约30%，显存占用显著降低，保障业务零宕机运行，满足政务场景高并发调用需求

衢州市政务云国产化改造及上云交付项目 | 核心交付/迁移负责人 | 2023.12 ​

为衢州市政务云提供国产化改造、上云交付及运维体系建设全流程服务，涵盖云底座规划、资源扩容、应用迁移、安全集成与运维能力构建。

  • 技术栈：政务云IaaS/PaaS平台、统一监控体系（MO平台）、Prometheus/Grafana、ELK、自动化运维平台、CMDB管理系统、ITSM工具
  • 构建可观测统一监控体系，设置200+项告警阈值，覆盖95%以上故障场景；制定33项核心运维流程与50+个交付物清单，含《应急操作手册》等
  • 牵头完成政务云底座新建规划设计，梳理30+项应用改造需求，分批次完成核心政务应用上云部署
  • 联合安全厂商落地网络安全、虚拟化安全、数据安全等防护措施，通过等保测评
  • 成果：资源利用效率提升40%，运维响应速度提高50%，故障处理时长缩短60%，成功支撑20+项政务应用平滑迁移

国网浙江省电力禾城外网云 | 产品技术经理 | 2023.10 ​

基于华为云Stack解决方案构建电力行业私有云平台，部署500PM/5000VM资源池，支撑10+部门500+核心业务。

  • 技术栈：华为云Stack（HCS8.0X）、KVM虚拟化、ManageOne云管平台、容器平台（CCE）、Prometheus/Grafana、中间件（DCS、DMS）、数据库RDS、大数据MRS
  • 云平台架构设计与组网规划，完成云底座交付与版本演进；新业务部署与旧业务平滑迁移
  • 构建统一观测与告警编排体系，推进统一服务治理，实现生产变更零事故
  • 成果：资源利用率提升30%，MTTR显著下降，平台支撑48708核私有云算力规模，稳定运行6000+台虚拟机

衢州市警务云HCS（容器+大数据）| 产品技术经理 | 2024.05 ​

主导衢州警务云（容器+大数据）省市级联贯通项目建设，构建适配治安管理与民生服务的智慧警务解决方案。

  • 技术栈：华为云（ECS、CCE、RDS、OBS）、Kubernetes、大数据MRS（Elasticsearch、分布式数据库等）、零信任认证、数据治理工具
  • 主导规划交付衢州市警务云计算中心华为云底座、大数据平台及硬件基础设施
  • 推进容器应用迁移上云，解决Elasticsearch兼容问题；对接奇安信零信任体系完成业务总线自定义鉴权
  • 成果：构建25个云服务，实现与浙警智治2.0平台级联贯通，数据治理效率提升60%，应用上线周期缩短50%

某商业银行华为HCS项目 | 产品与技术工程师 | 2021.06 ​

交付落地灾备云架构，支撑4个以上业务部门、80余个系统、800余台虚拟机运行，保障银联前置系统等重点业务稳定运行。

  • 技术栈：华为HCS8.0.3云平台、ARM/X86混合计算架构、分布式块存储（华为OceanStor Pacific）、KVM虚拟化、vFW/安全组、Prometheus监控
  • 参与平台组网设计，规划计算2.3万核vCPU、存储1.81PB块存储、网络资源分配
  • 完善运维组织分工与SOP，部署日志收集、巡检工具，推进节点扩容与版本升级演进
  • 成果：支撑1000+业务虚机稳定运行，重点业务跨region高可用，灾备环境可持续运行24小时

教育背景 ​

重庆大学 | 本科 | 电气工程及自动化专业

褚成志 · 简历中心

livecityccz@163.com · 13868166992