蚂蚁集团-基础设施高可用工程师-杭州

● 守护蚂蚁全球级基础设施的稳定性：负责蚂蚁全站数百万级容器规模、数百亿次调用的基础设施服务可靠性和稳定性，覆盖服务注册中心、配置中心、限流中心、消息中心、任务调度、分布式事务、MOSN/Layotto、七层网关、HCS、DNS、NTP等核心组件。 ● 从架构层面设计高可用能力：这不是传统的"被动运维"角色。你将参与产品的稳定性架构设计，主导SLA体系建设、容灾多活方案规划、混沌工程、变更防御、自愈容灾等高可用能力的设计与落地，而不仅仅是执行日常运维。 ● 用技术手段解决规模化难题：深入理解基础设施产品和架构，结合业务场景对生产问题进行根因诊断和持续优化；帮助业务应用在可用性、成本、效率上做好合适的架构选型。 ● 推动前沿技术大规模落地：设计并落地Service Mesh、Serverless、FaaS等在蚂蚁数百万容器场景下的接入、部署和升级方案，构建平台化能力体系化识别和管控风险。 ● 探索AI驱动的智能运维：结合大模型探索AI Agent在稳定性保障中的落地实践，引领中间件产品的稳定性保障模式向数字化、智能化方向演进。 【任职要求】 我们欢迎两类背景的候选人： 1、基础设施领域研发，想转向稳定性架构方向 如果你正在做中间件/容器/网络/存储等基础设施的研发，在研发过程中深度参与过故障应急、稳定性治理，并且对"从架构层面系统性解决稳定性问题"这个方向有强烈兴趣——我们非常欢迎你。你不需要有完整的SRE经验，技术深度和稳定性方向的热情是最重要的。 2、已有基础设施SRE经验，想在大规模场景下做更有挑战的事 如果你已经在存储、数据库、大数据、网络、中间件或容器等基础设施领域做过SRE，有独立处理线上故障的经验，想在千万级日请求的规模下验证和提升自己的架构能力——这里有足够大的舞台。 我们希望你具备： ● 至少一个基础设施领域的深度技术经验（中间件/容器/网络/存储/数据库/大数据中选一），能讲清底层实现原理，而非停留在方案层面。我们更看重你在某个领域的深度，而非面面俱到。 ● 大规模系统经验：参与过百节点以上规模的系统建设或运维，对大规模分布式系统的复杂性有切身体会。 ● 故障应急实操经验：参与过线上故障的应急处理（研发方向参与过即可），在研发或运维过程中需要考虑稳定性问题。 ● 扎实的编程基础，2年及以上研发经验，熟悉至少一种开发语言（Java/Golang/Python）。 ● 对基础设施稳定性架构方向有明确的兴趣和意向——这不是一个被动执行运维指令的角色，而是一个需要主动思考、系统性设计高可用方案的技术架构角色。 加分项（有则更好，没有可以入职后培养）： ● 有SLO/SLA体系建设、混沌工程、容灾多活等高可用体系的实操经验。 ● 熟悉主流开源中间件（如Kafka、RabbitMQ、Redis、Dubbo等）的实现机制，有开源社区贡献。 ● 熟悉Linux操作系统、网络协议、存储、Docker与Kubernetes。 ● 有AI Agent开发经验或智能运维方向实践。 ● 有基础设施即代码（IaC）实践经验（如Ansible、Terraform）。