sre负责人岗位职责

岗位职责：深入理解大数据开源系统基础组件，熟悉和掌握不同大数据系统各种组件的配置，部署，监控，稳定保障，性能优化，问题定位和持续升级的各项工作和体系化建设高效安全地处理日常大数据系统的运维变更，持续提升运维工具，提升变更安全性和操作效率建设和打磨运维风险预防体系，总结回放事故，从中提炼运维风险，主动推进业务系统、基础组件配合进行流程和体系升级持续优化资源和运维成本相关工具和流程，保障系统资源供给，同时持续优化和推动业务团队的资源成本优化理解业务需求和需求背后对资源的预估和消耗逻辑，通过理解将需求翻译成不同系统 岗位基本需求：本科以上学历，7年以上大数据系统研发、运维、监控、高可用保障等技术领域的经验，至少在一个领域有深刻的理解具备尤其是大数据系统开发或运维经验，了解如何提升大数据系统服务稳定性并且有实战经验逻辑思维能力出色，沟通表达能力良好，优秀的团队协作能力坚持学习，持续迭代认知能够适应高强度压力 具备以下者优先拥有大型互联网业务，尤其是大数据系统的故障处理流程设计和执行经验者优先拥有大型互联网业务，尤其是大数据系统的监控体系设计和开发经验优先拥有大型互联网业务，尤其是大数据系统的高可用架构设计、稳定性风险治理经验优先拥有大型互联网业务，尤其是大数据系统的演练、预案管理等经验优先拥有团队管理经验 

岗位职责：
1、负责 ZWCAD365 云平台（国内、海外、公有云及私有化环境）的日常运维保障，包括 Linux、Docker、Kubernetes 集群、数据库、中间件等运行维护，保障核心 SaaS 产品稳定运行。
2、负责 CI/CD 流水线、Jenkins、GitLab CI 等持续交付平台的维护与优化，支持版本发布、配置管理、自动化部署及回滚，提高研发交付效率。
3、参与运维管理平台及自动化工具开发，负责后端（Java）相关模块开发，持续推进自动化运维及平台化能力建设。
4、负责建设和优化监控告警体系（Prometheus、Grafana、Loki 等），完善日志分析、故障定位及应急响应流程，持续提升平台稳定性及故障恢复效率。
5、参与云平台架构优化、多云/混合云环境建设、私有化部署标准化及运维体系建设，持续提升平台可扩展性、高可用能力及工程化水平。
6、负责线上生产环境日常运维及生产保障工作，包括版本发布、故障排查、客户环境支持及重大故障应急响应，保障业务连续稳定运行。
7、与研发、测试、产品等团队密切协作，持续推进 DevOps、SRE 及工程效率建设，推动自动化、标准化及实践落地。
任职要求：
1、本科及以上学历，计算机相关专业，3 年及以上 Linux 云平台运维、DevOps 或 SRE 相关经验，有 SaaS 产品或互联网平台运维经验者优先。
2、熟悉 Linux 系统管理及网络基础，具备独立分析和解决线上复杂问题的能力。
3、熟悉 Kubernetes、Docker、Helm 等容器技术，具备生产环境部署、维护及问题排查经验。
4、熟悉 Jenkins、GitLab CI 等持续集成工具，具备 CI/CD 流程维护及优化经验。
5、熟悉 Prometheus、Grafana、Loki、ELK 等监控日志平台，具备监控体系建设或运维经验。
6、熟悉 Shell、Python 等脚本开发，具备一定 Java 开发能力，能够参与运维平台或自动化工具开发。
7、熟悉 Terraform、Ansible 等自动化运维工具，有 IaC、自动化部署或配置管理经验者优先。
8、熟悉阿里云、华为云、AWS 等主流云平台，具有公有云、私有化部署或混合云环境运维经验者优先。
9、责任心强，具备良好的沟通协作能力、故障应急处理能力和持续学习能力，能够接受线上生产保障及必要的应急响应工作。

岗位职责：
1、参与系统平台与运维管理平台，后端（Java）核心模块开发，推动自动化与平台化能力建设。
2、全面负责并持续优化高可用、可扩展的云基础设施架构（AWS / AliCloud / HWCloud），保障核心SaaS产品稳定运行。
3、主导 CI/CD、IaC、灰度/蓝绿/A/B 等 DevOps 体系建设，提升交付质量与研发效率。
4、建设和完善全链路监控体系（Prometheus + Thanos + Loki + Grafana），引入智能化告警与自动化修复，缩短 MTTR。
5、设计并落地多云/混合云高可用架构与容灾方案，实现跨Region分钟级故障切换。
6、统筹日常运维与生产保障，包括 7x24 应急响应、版本迭代和故障快速处置。
7、跨团队协作，推动 SRE/DevOps 文化落地，推进 Chaos Engineering、SLO/SLI 等工程化实践。


任职要求：
1、本科及以上学历，计算机相关专业；持有 CKA/CKS 或主流云厂商高级认证者优先。
2、5-10 年大型互联网或头部云厂商 SRE/运维经验，主导过万级并发用户的线上系统管理。
3、精通 Linux 系统与网络运维，能独立解决复杂系统和网络疑难问题。
4、深度掌握 Kubernetes / Docker / Helm / Istio，具备大规模生产集群建设与调优经验。
5、熟练使用 Terraform / Ansible / Pulumi 等 IaC 工具，具备基础设施自动化和落地实践经验。
6、能独立开发和维护运维管理平台。
7、主导过完整的全链路监控与告警体系建设，具备 MTTR < 5 分钟的快速响应能力。
8、有多云或混合云架构设计与演练经验，具备跨Region容灾方案成功落地案例。
9、有推动团队落地 SRE 文化、建设工程效率体系的经验。