快手高可用架构师（稳定性治理方向）
任职要求
1、10年以上互联网行业相关工作经验，有从0到1的稳定性保障体系的建设和运营经验；
2、对业务或基础设施稳定性保障有丰富的实战经验，如复杂业务场景下系统的高可用性架构实…工作职责
快手研发线体系下稳定性治理团队，致力于面向快手所有产研团队提供业界领先的稳定性保障方案，依托业界前沿技术，为快手业务稳定性保驾护航。 1、参与公司整体稳定性规划及推动建设，面向研发体系进行技术风险发现、治理，推动最佳实践的落地，建立对稳定性风险的系统性抵御能力； 2、负责设计、落地稳定性保障解决方案，包括但不局限于：监控治理、变更管控、服务治理、容灾演练、混沌工程，故障管理等； 3、通过数据分析、故障注入等方式驱动，持续识别稳定性薄弱环节，推动公司级的优化专项，提升整体稳定性； 4、设计并实现稳定性度量和风险识别体系，协助公司各个业务完成反脆弱设计。
1.负责分析IaaS控制面架构设计，识别潜在稳定性风险，提出优化方案； 2.推动控制面架构向高可用、弹性扩展方向演进； 3.设计并实施控制面容灾方案，包括多可用区部署、故障自动切换机制及弹性资源调度策略，确保服务SLA达标； 4.负责将共性问题或风险治理方案、工具推广到全部门。
1. 稳定性体系规划与落地（质量侧）： 负责业务线整体生产安全与稳定性保障体系的建设。作为质量侧代表，与 SRE、业务研发团队紧密协同，制定并落地高可用架构标准。 从业务视角出发，定义稳定性衡量标准（SLA/SLO），并推动技术团队达成稳定性指标（如降低故障率、缩短 MTTR）。 2. 红蓝对抗与全链路演练(质量侧)： 主导或参与常态化的红蓝对抗演练。负责设计高复杂度的业务故障场景（蓝军视角/导演视角），验证系统的容灾能力和团队的应急响应能力。 协同 SRE 建设故障注入平台，推动“以演代战”，确保应急预案的有效性和自动化执行率。 3. 变更风险管控： 建立严格的变更管控机制（发布红线、灰度策略、回滚机制）。 建设“变更防御”能力，利用自动化手段拦截高风险代码和配置进入生产环境，治理因变更导致的稳定性问题。 4. 线上巡检与业务核对（BCP）： 建设分钟级的业务一致性核对系统，确保在系统未报错但业务逻辑异常（如资金损失、数据不一致）时能快速发现。 补齐监控盲区：不仅关注系统监控（CPU/内存等），更要补齐业务监控盲区。
1、负责Agent系统的稳定性建设，设计高可用架构与容灾降级方案，保障系统在极端场景下稳定运行； 2、优化系统性能，解决分布式场景下的任务调度、数据一致性、故障自愈等挑战，提升服务SLA； 3、建立系统监控、告警及应急响应机制，负责重大故障的排查与恢复； 4、持续优化系统架构，通过代码重构、性能调优等手段提升系统扩展性与可维护性； 5、探索分布式计算、任务调度、流式数据处理等领域的前沿技术（如分布式事务、弹性扩缩容、异构计算等），推动技术成果转化。
1、负责Agent系统的稳定性建设，设计高可用架构与容灾降级方案，保障系统在极端场景下稳定运行； 2、优化系统性能，解决分布式场景下的任务调度、数据一致性、故障自愈等挑战，提升服务SLA； 3、建立系统监控、告警及应急响应机制，负责重大故障的排查与恢复； 4、持续优化系统架构，通过代码重构、性能调优等手段提升系统扩展性与可维护性； 5、探索分布式计算、任务调度、流式数据处理等领域的前沿技术（如分布式事务、弹性扩缩容、异构计算等），推动技术成果转化。