携程FinOps研发工程师专家(MJ027440)
社招全职技术团队开发地点:上海状态:招聘
任职要求
1. 计算机科学、信息技术或相关领域的本科或者硕士学位。 2. 具备FinOps相关经验,熟悉公有云成本模型(如AWS Cost Explorer)。 3. 熟悉主流云服务商的核心计费组件(如EC2/S3/RDS等),具备成本优化实战经验者优先。 4. 至少掌握一种后端开发语言(如Golang/Python/Ja…
登录查看完整任职要求
微信扫码,1秒登录
工作职责
1. 参与设计并实现混合多云的成本管理与优化平台,提升资源利用率,降低云支出。 2. 开发自动化工具,实现成本数据的实时采集、分析与可视化,支持FinOps全流程(成本洞察、计费、监控、优化等)。 3. 建立并完善云成本数据治理体系,确保成本数据的准确性与一致性。 4. 识别云资源浪费场景,设计自动化策略(如弹性伸缩、闲置资源回收、预留实例规划等),提升成本效率。 5. 跟踪业界FinOps最佳实践,探索AI驱动的成本优化方案。 6. 和财务、BU研发团队紧密协作,推动跨组织的成本运营。
包括英文材料
学历+
AWS+
https://aws.amazon.com/
Amazon Web Services offers reliable, scalable, and inexpensive cloud computing services. Free to join, pay only for what you use.
后端开发+
https://www.youtube.com/watch?v=tN6oJu2DqCM&list=PLWKjhJtqVAbn21gs5UnLhCQ82f923WCgM
Learn what technologies you should learn first to become a back end web developer.
Go+
https://www.youtube.com/watch?v=8uiZC0l4Ajw
学习Golang的完整教程!从开始到结束不到一个小时,包括如何在Go中构建API的完整演示。没有多余的内容,只有你需要知道的知识。
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文,免费,零起点,完整示例,基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
还有更多 •••
相关职位
社招A71621A
1、负责字节跳动基础架构技术中台交易体系平台的设计开发工作,包括但不限于:计费、预算、数据分析等核心模块系统; 2、负责FinOps、TBM等经营理念与方法论的工程落地,结合业务、中台、架构特点,赋能企业在技术资源方向的持续降本; 3、深入了解业务和系统痛点,给出优质的解决方案,并持续提升系统稳定性、可靠性、可扩展性,解决技术难题。
更新于 2024-07-11北京
社招A118197
团队介绍:BABI平台是通过内部商业化/市场化的方式,以商品化为主要核心手段,围绕IT基础设施和人力成本提供一站式的平台支持,服务公司看清楚各业务部门从预算到成本到收入的经营过程,结合数据化、智能化的方式帮助业务线做好成本经营。 1、参与字节跳动技术团队及火山引擎业务等经营分析系统的大数据研发工作,包括但不限于BI可视化、OLAP分析、数据流调度、数据智能化服务等核心模块; 2、参与FinOps数据治理工作,持续提升数据易用性及数据质量,为经营分析提效赋能; 3、深入了解业务和系统痛点,给出优质的解决方案,并持续提升系统稳定性、可靠性、可扩展性,解决技术难题。
更新于 2024-12-03北京
社招3年以上技术类-运维
高德运维研发团队主要负责高德运维平台的建设,对服务稳定性和用户体验负责,主要围绕如下几个方向进行卓有成效的工作: - 高可用方向:围绕混沌工程、故障自愈、全链路故障定位 等前沿技术方向进行平台化建设和智能运维大规模业务落地,提升系统的稳定性水平。 - 资源管理方向:将机器学习技术应用于超大规模集群的资源管理实践中,围绕 资源画像、应用画像、容量管理、全自动化弹性伸缩 等前沿方向进行算法优化和平台化建设。 - 云原生方向:基于实际业务场景,建设云原生时代的云上运维平台,提升云上业务在变更发布、资源调度 等方面的效率。
更新于 2025-11-12北京