职位概述： 我们正在招聘一名高技能、积极主动的站点可靠性工程师（SRE）加入我们的技术团队。在此岗位上，您将参与设计、构建并维护可扩展、可靠且安全的云可移植系统。您将与软件工程和 IT 团队密切合作，保障关键业务服务的可用性、性能与弹性。这是一个在云原生环境中，推动自动化、可观测性和事件响应最佳实践的好机会。 主要职责： • 设计、构建并维护高可用、可扩展的系统和基础设施。 • 为部署、监控、管理和告警开发和实施自动化。 • 与开发团队合作，确保应用的可靠性和运维。 • 监控系统性能，主动发现问题，推动故障根因分析与解决。 • 定义并跟踪服务级别指标（SLI）、服务级别目标（SLO）和服务级别协议（SLA）。 • 创建和维护系统、流程及事件报告的完善文档。 • 管理和维护 CI/CD 流水线及基础设施即代码（IaC）。 • 推动安全、合规和灾难恢复的最佳实践。 • 参与值班轮岗，响应生产事故。 • 持续寻求提升系统可靠性、可扩展性和性能的机会。 技能要求： • 具有 3 年及以上 SRE 或 DevOps 岗位经验。 • 精通 Linux/Unix 系统管理和 TCP/IP 网络。 • 至少熟悉一种主流公有云（AWS、Azure 或 GCP）。 • 有 Kubernetes (K8s) 集群管理经验（升级、扩展、排查故障）。 • 熟悉容器化技术（Docker、Padman 等）。 • 熟练掌握一种或多种脚本/编程语言（Go、Java、Python、Bash 等）。 • 熟悉监控、日志和可观测性工具（如 Prometheus、Grafana、ELK、Datadog 等）。 • 有 GitOps 工作流和自动化工具（如 FluxCD、ArgoCD）实践经验。 • 熟悉配置管理/IaC 工具（如 Terraform、Ansible、Helm 等）。 • 具备优秀的故障排查和解决问题的能力。 • 良好的沟通及协作能力，要求流利的英文沟通。 加分项： • 有使用 Golang 开发 Kubernetes Operator 的经验。 • 熟悉 RabbitMQ、Kafka 等消息总线与流服务的性能调优和故障排查。 • 有数据库管理与扩展（如 MongoDB、Cassandra）深度经验。 • 具备混沌工程相关原理及工具的实际操作经历。 • 有高可用、低延迟系统环境经验者优先。 学历要求： • 计算机科学、工程或相关专业本科及以上学历。