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。