百度云计算运维研发Devops工程师（J84514）
任职要求
-专业倾向于计算机、通信、数学等理工学科，1-5年运维/SRE工作经验者优先，不限于稳定性、成本、效率等相关工作 -深入理解Linux操作系统；具备较好的计算机网络和体系结构基础 -熟练掌握Python/Go/Shell等至少一种主流编程…
工作职责
-Site Reliability Engineer,负责百度公司大规模分布式系统及各类云服务可靠、稳定、高效运行 -参与百度智能云系统和各类产品架构设计，主导服务可用性相关平台/自动化系统的实现 -设计研发智能云规模化运维的技术解决方案，包括大模型训练、服务器生命周期管理、高性能存储、交付、故障预测、成本管理等 -关注业界前沿技术动态，熟悉大模型框架、高性能通信、os/kernel、openstack、kvm、分布式存储、虚拟化网络等相关技术，贡献与引领业界技术趋势
1.负责腾讯云效能提升专项工作，提升整体研发效率和交付质量；包括但不限于环境治理、工具开发、流程和方法的优化与改进，提升研发和工程生产力和效率； 2.赋能产研团队，帮助业务识别和分析研发测试环境中的痛点和问题，并提出解决方案，提供技术支持和工程赋能，推进各产品的测试、运维、发布等自动化和智能化落地； 3.协调各个团队，对研发测试环境治理进行持续改进，提炼、总结、发掘优秀实践并在组织内传播，推动落地； 4.备注：此岗位为腾讯集团旗下子公司编制。
1、稳定性保障与体系建设：负责大模型相关核心业务系统的稳定性建设工作，提升业务可用性与可靠性。 2、高并发流量治理：高并发场景下的流量治理方案设计与实施，包括熔断、限流、降级等容灾策略，确保业务弹性与鲁棒性。 3、运维流程优化和自动化：推动运维自动化与平台化建设，提升研发效率。 4、架构高可用建设：业务系统稳定性架构方案的设计与实施，推动高可用架构落地，规避系统性风险。 5、应急响应：负责快速定位并解决生产环境故障，建立故障快速恢复机制，推动长效改进措施落地。
1. 负责云通信与全球运营商之间的链接，完成短信、语音（含5G视频）、流量的系统规划、设计、实施和运维 2. 负责相关系统的云原生技术升级； 3. 参与构建面向全球服务的分布式高可用的融合通信网； 4. 具备项目管理或模块owner能力，能独立负责一块业务规划，架构，落地，优化； 5. 新人指导、培训及Code Review，主导技术难题攻关，提升团队整体技术水平。
负责AI平台基础设施的可靠性设计、监控告警、容量规划和性能优化 设计并实施平台的高可用性方案，制定灾备预案和故障响应机制 建立和完善AI平台的可观测性体系，包括日志、metrics、链路追踪等 负责自动化运维工具开发，提升平台运维效率和服务质量 分析和解决系统性能瓶颈，优化资源利用率 参与重大故障定位分析，制定改进方案并跟进落地 持续优化SLO指标，确保平台的稳定性和可靠性