岗位职责：
1.负责SRE运维体系建设，设计相关制度、规范与机制，开发、配置和维护相关工具及系统，实现高水平的系统可靠性与可用性；
2.负责领导事件响应工作，包括故障排除、沟通和事件后分析，以最小化对可用性和性能的影响；
3.负责自动化常规任务和流程，提高系统效率并降低人为错误的可能性；
4.负责建设SLO/SLI指标体系，设计基于错误预算的稳定性评估模型；
5.参与重大架构方案的设计与评审及业务系统容量规划；
6.参与 OnCall 值班，与研发工程师共同解决各类突发事件，保障核心业务持续稳定性运行；
7.接应集团运维相关要求，解读、落实相关规范要求，组织相关配合行动开展；
8.完成领导安排的其他工作任务。
任职要求：
1.大学本科及以上学历，计算机或者相关专业；
2.熟悉Shell、Python、Go等编程语言，具备Linux开发经验；
3.5年以上SRE或DevOps经验，有大型互联网公司运维经验者优先；
4.精通Docker、K8S架构和技术原理，具备大规模生产环境运维、排错和优化经验；
5.熟悉各个大厂（天翼云、华为云、阿里云）中至少一种公有云的运维管理；
6.熟练使用Ansible/Grafana/Prometheus等自动化运维工具链；
7.具有丰富的应急处置、应用稳定性建设经验，对高可用架构有较深入理解；
8.具有良好的洞察力、思路清晰和归纳总结能力，有较强的文档编写能力，能承受较大工作压力；
9.具有一定的协调、组织和沟通能力，踏实的工作心态、积极主动的工作态度，高度的责任心。