运维开发工程师-GO-监控平台

1）监控平台建设与研发 1、负责生产环境监控平台的架构设计与核心功能开发：采集、存储、查询、可视化、告警、事件中心、通知通道等。 2、推动全栈可观测性（Metrics/Logs/Traces/Events）能力建设，提供统一数据模型与标签规范（多租户、分环境、分业务线）。 3、建设监控接入体系：SDK/Agent/Exporter 标准化，支持容器、虚拟机、物理机、数据库、中间件及业务服务。 4、持续优化监控平台性能与可靠性：高并发查询、告警高可用、数据完整性、弹性扩缩容、成本优化（存储分层、压缩、降采样等）。 2）告警体系治理与SRE化 1、建设告警标准与分级体系：告警策略、阈值、窗口、抑制、依赖、升级、值班联动。 2、推动 SLO/SLI 与错误预算落地，告警从“阈值驱动”向“用户体验驱动/业务影响驱动”演进。 3、告警降噪与收敛：去重、聚合、抑制、关联、动态阈值、异常检测；持续减少无效告警与误报漏报。 3）智能化方向规划（LLM/智能运维） 1、规划并落地基于 LLM 的智能告警与分析能力，包括但不限于： a、告警解释与上下文生成（将指标/日志/变更/拓扑自动编排成可读报告） b、相似事件聚类与历史复用（自动推荐处理步骤/Runbook） c、多信号关联分析与初步根因定位（跨指标/日志/Trace/变更/发布） d、值班Copilot：辅助排障问答、查询引导、自动生成复盘材料 2、设计可控、可回溯、可评估的智能系统：提示词模板、工具调用、权限、审计、灰度与评估体系（准确率、召回率、MTTR 改善）。 4）协作与推动 1、与业务研发、SRE、基础设施/容器/DBA 协作制定监控接入与治理规范，推动关键系统监控“覆盖率、正确率、可用性”提升。 2、输出平台文档、接入手册、监控模板与最佳实践，组织培训与落地推进。