【技研】SRE高级工程师

工作职责: - 负责业务全链路运维保障，涵盖系统、网络、容器、中间件、数据库领域，承担线上故障应急处置、预案建设与演练，完成故障复盘，迭代 SOP 与应急预案，形成问题经验闭环。 - 牵头处理跨域复杂线上故障，拆解排查路径、定位根因并推动问题闭环，运用大模型开展日志分析、故障诊断、脚本生成，提升问题处置效率。 - 搭建 SLI/SLO 稳定性量化体系，落地容量规划、容灾备份、流量调度，识别潜在运维风险并完成前置治理，利用 AI 能力实现流量预测、风险预判。 - 设计并落地指标、日志、链路、流量全链路可观测体系，建设分级告警与告警降噪机制，借助 AI 完成异常关联分析，缩短故障 MTTR。 - 推进运维标准化、自动化建设，沉淀 SOP 与交付规范，开发运维脚本与自动化工具，批量运维操作、简易故障自愈，探索大模型在运维场景落地，减少人工操作，降低人为变更风险。 - 负责云原生基础设施运维，开展资源效能分析与成本治理，通过 AI 完成资源画像、闲置资源识别、容量测算、弹性调优，提升资源利用率，实现成本压降。 职位要求: - 5 年以上大规模分布式 SRE / 生产运维实战经验，具备互联网业务全链路稳定性保障项目经历。 - 精通 Linux 系统原理与故障排查，熟悉 TCP/IP、HTTP 等网络协议，能够使用 tcpdump/Wireshark 定位网络问题，了解云网络产品原理及业务适用场景。 - 熟练使用 Shell 脚本，掌握 Python/Go 至少一门开发语言，具备 SOP 体系建设经验，能够把运维实践沉淀为流程规范，并转化为自动化工具。 - 熟悉 Kubernetes 生产落地与原理，掌握 Nginx、HAProxy、Redis、消息队列、数据库等高可用架构设计与运维。 - 了解可观测体系整体设计，熟悉 Prometheus、Grafana、日志、链路追踪相关技术，熟悉云原生 CI/CD 流程，掌握灰度、蓝绿等发布策略。 - 具备较强风险意识，能够主动识别隐患并前置干预，善于使用 AI 工具实现运维提效降本，有 AIOps、AI 辅助成本治理相关经验优先。