核心职责：
平台设计与高可用保障：
基于Kubernetes和Docker，设计、构建和维护高可用、可扩展的容器化平台。
负责核心中间件（如MySQL, Redis）在Kubernetes上或云上的高可用架构设计、部署与日常运维。
规划和实施多可用区（Multi-AZ）、多区域（Multi-Region）的容灾方案。
可观测性体系建设：
运维和管理全链路可观测性技术栈，包括Prometheus + Alertmanager（指标）、Loki + Fluent-Bit（日志）、Tempo（链路追踪）。
基于Thanos/VictoriaMetrics等构建全局的、长期存储的监控体系。
使用Grafana设计和开发统一的可视化仪表盘。
设计和优化告警机制，确保告警的及时性、准确性和有效性，减少告警疲劳。
基础设施即代码与自动化：
精通使用Terraform在AWS/腾讯云上进行基础设施的生命周期管理。
使用Ansible进行系统配置管理和应用部署。
建设和维护CI/CD流水线（Jenkins / GitHub Actions），实现从代码到部署的完全自动化。
成本优化：
持续监控和分析云资源使用情况，识别成本浪费点。
通过资源规格优化、Spot实例/Low-priority实例使用、自动扩缩容、存储分层等策略，有效控制和优化基础设施成本。
为业务部门提供成本分摊和优化建议。
SRE实践：
制定和优化SLO/SLI，通过误差预算驱动业务的稳定性迭代。
参与制定容量规划、应急响应和故障复盘流程。