sre运维工程师

产品范围：阿里公共云的云原生可观测性产品线及中间件相关产品，包括日志、监控、告警、消息队列等，具备扎实的可观测体系建设实践，并拥有一定的SRE实战背景，在高可用架构设计、容灾演练、变更管控、故障处理等方面有深入理解；SRE-稳定性工程师（中级1人）：承担阿里公共云稳定性架构方案的实施与日常运维保障工作。 工作范围： 架构设计：结合具体业务需求，综合运用阿里云ARMS、OpenTelemetry、Prometheus、Grafana等观测工具，构建高可用、可量化评估的稳定性技术架构，覆盖系统健壮性、监控全面性与自动化响应机制，达成系统可靠性与交付效率的平衡。 稳定性体系建设：掌握高可用架构设计原则，熟悉容灾演练流程、变更管理规范与故障应急机制，主导全链路容灾、灰度发布、资金安全防护等关键专项治理，推进红蓝对抗演练、突发事件响应、风险排查等能力的实际落地。通过自动化平台建设，实现变更受控、故障可防、服务可恢复的稳定性工程闭环管理。 故障管理：参与应急处置，协调多方团队联动，开展根因分析，快速恢复业务运行，并组织复盘推动系统层面优化改进。 开发能力：熟练掌握至少1-2种编程语言，如Python、Java等，能以脚本方式提升可观测平台的运维效率。 具备扎实的架构设计、性能调优与系统稳定性保障能力，深入理解阿里云ARMS、OpenTelemetry、Prometheus、Grafana等观测工具的技术架构与适用场景，具有丰富的实际应用经验。 在识别业务潜在风险方面有一定判断力，能够综合技术可行性、运营成本、投入产出等因素，推动切实可行的优化方案落地。具备系统的安全生产培训经历，具有较强的数据安全意识，对生产环境与非生产环境保持严谨态度与敬畏之心