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服务，包括日志、监控、告警、消息队列等，具备完善的可观测体系构建实践经验，同时拥有一定的SRE背景，在高可用架构设计、容灾演练、变更管理、故障处理等方面有深入理解；SRE-稳定性工程师（中级1人）：负责阿里公共云稳定性解决方案的架构实施与日常运维工作。

工作范围：
架构设计：结合具体业务需求，运用阿里云ARMS、OpenTelemetry、Prometheus、Grafana等观测类工具，规划具备高可用性与可量化特性的稳定性技术架构，覆盖系统健壮性、监控完整性及自动化响应机制，达成系统可靠性与交付敏捷性的平衡。
稳定性体系建设：掌握高可用架构设计方法，熟悉容灾演练流程、变更管控机制与故障应急策略，主导全链路容灾、灰度上线、资金安全保障等关键专项治理，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。通过自研或集成自动化平台，实现变更可管、风险可防、故障可恢复的稳定性工程闭环管理。
故障管理：参与应急处置，协调多团队联动，开展根因分析，快速恢复服务，并在事后组织复盘，推动系统层面的持续优化。
开发能力：熟练掌握至少1-2种编程语言，如Python、Java等，能通过脚本开发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，深刻理解阿里云ARMS、OpenTelemetry、Prometheus、Grafana等观测工具的技术架构与适用场景，具备大规模落地实践经验。
在识别业务潜在风险时，能够综合技术可行性、运营成本、投入产出比等因素，推动切实可行的优化方案实施。具备完整的安全生产培训经历，具有较强的数据安全意识，对生产与非生产环境保持高度敬畏。