岗位职责
1、系统稳定性与应急管理：建立并维护立体化监控体系，实时监测系统运行状态，提前识别潜在风险并制定完善应急预案；在故障发生时，快速定位根本原因，协调内外部资源高效解决问题，最大限度降低对业务的影响，保障系统持续稳定运行。
2、数据安全与合规管理：构建全面的数据安全防护体系，制定并严格执行安全策略；定期组织开展安全演练与风险评估，及时响应安全漏洞，推动补丁更新与安全措施优化，确保数据安全与业务运营符合相关法规及企业内部规范。
3、运维自动化与流程优化：主导运维工具化与自动化建设工作，梳理、优化运维流程，提升运维效率与质量，减少人为操作失误，降低运维风险，推动运维工作向智能化、高效化发展。
4、跨部门协同与技术适配：与研发、产品等部门紧密协作，前置对接研发部门，明确技术与业务需求；协助搭建测试、生产等环境，及时向产品和研发侧同步系统运行数据与问题反馈，确保技术方案与业务需求高效适配，助力业务顺利开展。
5、算力资源规划与运维优化：深入理解 CPU、GPU 等算力资源特性，科学规划算力资源，优化资源使用效率，保障业务运行性能处于最优状态；同时，具备算力资源的监控与调度能力，根据业务需求动态调配资源。
任职要求：
1、本科及以上学历，计算机或相关专业，8年以上运维/平台管理经验
2、熟悉 Kubernetes、Docker、Helm 等云原生技术，熟悉Python或shell脚本运维开发，有中大型集群运维经验；
3、精通 自动化运维平台 构建与CI/CD体系（Ansible、Jenkins、GitLab CI、Terraform等）；
4、具备 监控告警体系（Prometheus、Grafana、Loki、ELK）搭建经验；
5、了解 攻防演练、漏洞修复、数据加解密 等安全防护机制；
6、具备良好的分析、协作与推动能力，有大型互联网项目经验者优先。
7、对 CPU、GPU 等算力资源有深入理解，能进行算力资源的规划、监控与调度。（加分项）