【集团】资深运维工程师（Linux / 监控方向）

职位描述

岗位定位

负责公司 Linux 基础设施、服务器运维及监控体系建设，保障业务系统稳定、安全、高效运行；主导监控平台、告警机制、自动化运维及故障治理能力的持续优化。

该岗位需要能够从“日常运维”提升到“稳定性治理”和“平台化建设”层面，既能处理复杂故障，也能推动规范、工具、流程与自动化能力落地。

岗位职责

负责 Linux 服务器、虚拟机及云主机的日常运维、配置管理、容量管理与性能优化。

负责业务系统运行环境的部署、变更、巡检、升级及故障处理，保障系统高可用。

负责监控平台建设与持续优化，包括主机、应用、中间件、数据库、网络及业务指标监控。

负责告警体系设计，包括告警分级、告警收敛、告警降噪、通知策略及升级机制。

主导 Prometheus、Zabbix、Grafana、ELK、OpenSearch、日志平台等监控与日志体系建设。

负责服务器性能分析与问题定位，包括 CPU、内存、磁盘、网络、IO、负载等指标排查。

负责线上复杂故障应急响应、问题复盘及根因分析，推动问题闭环和长期治理。

负责建立并持续完善巡检、备份、变更、发布、应急、故障处理等运维标准。

推动自动化运维能力建设，包括 Shell、Python、Ansible 等工具开发与批量运维。

参与系统架构评审，从运维和稳定性角度提出优化建议，包括高可用、容灾、容量与监控设计。

建立 SLA、SLO、告警 MTTA、故障 MTTR 等稳定性指标，并持续跟踪优化。

与开发、网络、安全、供应商等团队协作，推动跨团队问题解决。

任职要求

基础能力

本科及以上学历，计算机、网络、软件等相关专业。

5 年及以上 Linux 运维经验，具备中大型生产环境运维经验。

熟悉 CentOS、Red Hat、Ubuntu 等 Linux 系统，能够独立完成安装、配置、排障及优化。

熟悉 TCP/IP、DNS、HTTP、HTTPS、Nginx、Keepalived、LVS 等基础网络与高可用技术。

熟悉 VMware、KVM 或云平台运维经验，了解阿里云、腾讯云、AWS、Azure 中至少一种。

Linux 能力要求

精通 Linux 常用命令、系统服务、systemd、用户权限、文件系统、计划任务、日志管理。

能够熟练分析 Linux 性能问题，包括：

CPU 飙高、Load 高

内存泄漏、Swap 异常

磁盘 IO 瓶颈

网络延迟、丢包、连接数异常

进程异常、僵尸进程、端口占用

熟悉常用排障工具：top、htop、vmstat、iostat、sar、iotop、netstat、ss、tcpdump、strace、lsof、dmesg 等。

具备 Linux 内核参数调优、系统安全加固、资源隔离及容量规划经验。

监控能力要求

熟悉至少一种主流监控平台：Prometheus、Zabbix、Nagios、Datadog、Open-Falcon 等。

熟悉 Grafana 看板设计，能够围绕系统稳定性设计可视化监控大盘。

熟悉 Prometheus Exporter、Alertmanager、监控规则、指标采集与告警编排。

熟悉日志采集与分析体系，如 ELK、EFK、OpenSearch、Graylog、Loki。

能够独立建设以下监控场景：主机监控、应用监控、接口可用性监控、日志监控、链路监控、业务指标监控、容量与趋势监控

有监控降噪、误报治理、告警闭环、值班体系建设经验。

自动化及脚本能力

熟练使用 Shell、Python 进行运维脚本开发。

熟悉 Ansible、SaltStack、Terraform、Jenkins、GitLab CI/CD 等自动化工具者优先。

有自动巡检、自动发布、自动恢复、自动告警处理等平台化建设经验。

综合素质

具备较强的问题分析能力、故障定位能力及抗压能力。

具备较强的责任心和主动性，能够主动发现问题、推动问题解决。

具备良好的跨团队沟通能力，能够推动开发、网络、安全及供应商协同落地。

对稳定性、规范化、自动化有较强意识，能够持续推动体系建设。

优先条件

满足以下任意一项优先：

有大型互联网、物流、快递、电商或跨国企业运维经验。

有 1000 台以上服务器或多国家、多地域环境运维经验。

有 Kubernetes、Docker、容器监控及云原生运维经验。

有 SRE、稳定性治理、故障复盘、SLA/SLO 建设经验。

有日志平台、APM、链路追踪（SkyWalking、Jaeger、Pinpoint 等）经验。

有值班体系、应急响应体系、监控规范建设经验。

持有 RHCE、RHCSA、CKA、AWS、阿里云等相关认证。