SRE工程师(J11220)

职位描述

1、建立并落地 SLI、SLO、Error Budget 体系，以量化指标驱动业务稳定性治理和发布决策。

2、通过软件工程、自动化和平台化持续减少 Toil，降低重复性人工操作和运维成本。

3、参与核心系统可靠性架构设计，推动限流、熔断、降级、隔离、容灾、自愈等能力建设。

4、负责重大故障处理与复盘，推动从根因分析、改进措施到工程治理的完整闭环。

5、建设面向用户体验的可观测性和告警体系，降低告警噪音，提高故障发现和定位效率。

6、推动灰度发布、自动回滚、变更风险控制等能力建设，降低变更引发的稳定性风险。

7、负责容量规划、性能分析、压测和故障演练，提前发现系统瓶颈和架构薄弱点。

8、开发可靠性工具、平台和服务，通过工程化手段解决规模化生产环境问题。

任职要求

1、本科及以上学历，计算机、软件工程、网络工程、信息安全等相关专业优先。

2、具备 3年以上SRE、DevOps开发或云原生开发等相关经验，有大型生产环境稳定性治理经验者优先。

3、具备较强的软件工程能力，熟练掌握 Go、Python、Java 等至少一种编程语言，能够开发生产级工具、服务或平台。

4、深入理解 SLI、SLO、SLA、Error Budget、Toil、Incident、Postmortem 等 SRE 核心理念，并具备实际落地经验。

5、具备复杂分布式系统分析能力，能够从应用、网络、中间件、数据库和基础设施等多个层面定位系统性问题。

6、具备高可用、容灾、故障隔离、限流熔断、降级、自愈等可靠性设计经验。

7、熟悉 Kubernetes、云平台、可观测性、IaC 等现代基础设施技术。