SRE运维工程师
Zhipu AI · Beijing ·
- Category
- SRE
岗位职责:
- 负责面向全球ToC的业务稳定性建设，包括但不限于Web服务、APP后端、API网关、云基础设施、安全
- 负责线上业务服务7x24小时运维保障，及时定位处理业务故障，快速恢复应用服务
- 配合研发团队完成业务架构选型、应用部署、版本发布、监控接入、链路调优及日常维护
- 负责Kubernetes集群的建设与稳定性保障，包括版本升级、故障排查、性能调优、资源利用率优化
- 负责设计基于云平台基础设施的高可用架构，保障基础设施、中间件、业务服务的稳定性
- 负责云平台资源生命周期管理及成本优化
- 主导容器化架构调优（如Pod调度策略、网络插件选型、存储方案设计），优化资源请求/限制配置以减少资源争用。
- 建立容器安全防护体系，包括漏洞扫描、运行时安全监控（如Falco）、合规审计。
- 深度参与自动化运维工具链建设，CI/CD流水线、混沌工程测试、智能扩缩容（HPA/VPA）。
- 负责开源监控体系建设及维护（prometheus/victoriametirc），推动AIOps落地，基于时序数据分析预测集群负载并实现自愈。
- 解决生产环境疑难问题（如OOM、网络延迟、存储性能瓶颈），输出标准化SOP文档。
- 协同研发团队优化微服务架构，推动ServiceMesh等新技术落地。
- 私服、比如nexus、gitlab、harbor等工具大并发下的运维经验
任职资格:
1.教育背景
计算机、软件工程、云计算相关专业优先。
2.工作经验
-5年以上容器运维经验，主导或深度参与过万级Pod规模的集群维护。
-熟悉生产环境容器化全生命周期管理，包括部署、监控、扩缩容、故障恢复等场景。
-有多云环境/混合云管理经验
-有过安全相关工作经验优先
-头部互联网/云计算大厂优先
3.技术能力
-精通Kubernetes架构及生态工具（如Etcd、Calico、Istio），具备集群性能调优经验（如APIServer负载均衡、节点调度优化）。
-熟练使用Docker、Prometheus、Grafana、ELK、CI/CD等工具链，熟悉云原生安全体系（如镜像扫描、RBAC策略、网络策略）。
-具备基于云基础设施的运维、架构经验。
-具备运维开发能力，能使用Python/Go开发自动化工具（如自定义Operator、监控告警脚本）。