sre架构师岗位职责

岗位职责

1、通过设计及监控可用性，延时等服务整体健康性指标，来运维线上服务

2、负责线上系统的可靠性改进，工作包括主导SLI/SLO制定，监控改进，容量管理，变更管理，应急响应，故障演练，OP改进等各种提升可靠性工作

3、保障云原生/分布式存储/消息中心/注册中心等多个核心系统的可靠性与正常运行，同时关注系统成本与稳定性；

4、负责自如网的核心基础设施架构设计、研发和持续交付



任职要求

1、大学本科及以上学历，3年以上运维工作经验；

2、具有云原生相关组件/分布式存储/消息中心/注册中心等系统运维经验（Nginx/Kubernetes/MQ/ZK/ETCD/Ceph等）

3、熟悉go、python等常用运维开发语言及框架；

4、熟悉主流容器化技术，具备Kubernetes使用经验；

5、有丰富的系统运维经验，对常见的系统隐患、系统故障有系统性总结和实际处理经验；



加分项

1、有自动化构建系统、配置管理、CI/CD系统、监控报警等自动化运维平台建设经验者优先；

2、有ServiceMesh使用维护经验者优先；

职位描述
1. 保障大数据/计算/云原生/分布式存储等多个核心系统的可靠性与正常运行，同时关注系统成本与稳定性；
2. 与系统开发团队合作，从系统设计到上线的整个生命周期内保障系统可靠性；
3. 通过监控系统组件可用性、性能指标提升系统可见性，帮助系统开发以及团队快速定位故障；
4. 推动提升服务的可靠性、可扩展性以及成本、性能优化，保障系统SLA；参与设计、实现能够保障线上大规模集群快速迭代的自动化平台；
职位要求
1. 本科及以上计算机科学与技术、自动化、软件工程、机械电子等相关专业
2. 5年以上运维开发经验
3. 熟悉一种或多种编程语言，例如 Go/Python/Java/Shell等
4. 出色的团队沟通协作能力和跨部门沟通能力
5. 具有相关计算/分布式/大数据/监控等系统经验优先（Nginx/Kubernetes/Prometheus/Spark/Flink/分布式存储等)
6. 有丰富的生产环境故障排查和性能调优经验，能够快速定位和解决问题

岗位职责：
1.负责公司超大规模超算集群的SRE体系建立，包括但不限于如下方面：变更管控、运维规范、稳定性机制、风险管控、故障应急&复盘等；
2.负责运维规范、SLI制定，SOP手册编写，并将其工具化、平台化，确保运维安全，提升运维效率；
3.围绕超算业务持续可用目标，持续提升稳定性与 MTTR ，构建智能监控、根因定位、容量监控、故障自愈、降级、限流、智能运维能力，协同＆推动全局架构演进，进行前瞻性的设计与规划，为业务持续稳定运行负责

任职要求：
1.熟悉数据中心基础设施层面或应用系统层面的SRE相关的技术架构、有相关的系统体系化建设经验
2.熟悉一种或多种编程语言，如 Python/Go/Java/Shell/，有大型分布式、高性能、高可用系统的设计开发经验；熟悉常用数据库、中间件的技术原理、高可用方案、稳定性保障机制
3.有稳定性保障经验，喜欢做系统连续性、稳定性相关工作，乐于解决技术难题，愿意在技术风险领域长期发展；
4.对 SRE、运维系统、DevOps 拥有深刻理解并且有实践经验者优先；
5.有深度学习、大模型训练或云计算平台运维开发的经验者优先；
6.良好的沟通、协作能力，责任心、自驱力优秀，有良好的问题分析能力。