字节跳动客户重保专家-IaaS
任职要求
1、拥有5年以上公有云/IaaS、PaaS相关稳定性保障、解决方案架构师或客户重保经验中的一项或多项； 2、具备大规模分布式系统、基础设施系统等设计开发或运维保障的实战经验，例如复杂业务场景的流程优化、系统高可用性架构实现等； 3、具备搭建观测系统、抽取指标、调优阈值等思路和实操经验，能够分类提炼故障自愈模式，助力系统实现自动/半自动恢复运行； 4、对问题具备清晰的分析逻辑和全局思维，能够提出建设性思路和解决方案，具备良好的沟通和结构化表达能力，具有团队协作意识； 5、熟悉云计算架构，具备扎实的开发编程能力，熟练掌握一门以上开发语言（Golang/Python/C）。 具备以下条件者优先： 1、有业务上云经验，熟悉一家或多家业界主流云厂商的IaaS /PaaS产品者优先； 2、具备一定的全栈能力，对稳定性、SLA保障体系、稳定性优化有深入思考，有面向ToB客户线上稳定性保障经验者优先； 3、擅长架构设计、性能优化，有故障处理、巡检、监控、限流、降级、预案、容量规划等经验者优先。
工作职责
1、负责公有云IaaS、PaaS客户稳定性机制的构建工作，涵盖故障观测、响应机制建立、快速止损措施制定以及系统性改进建设，以确保客户线上业务稳定、可靠运行； 2、负责识别当前客户使用云产品全链路环节的可靠性，通过指标量化评估客户系统部署的健康程度，持续优化系统架构，从故障检测、通知与响应机制、自动恢复和止损效率等方面进行提升，增强IaaS产品的可靠性和稳定性； 3、负责推动IaaS&PaaS客户使用云产品最佳实践的落地，借助风险筛查、隐患排查等亚健康观测手段，帮助客户发现资源使用和系统架构方面的改进点，并协同客户团队落实改进措施； 4、持续跟踪业界前沿技术方案，结合IaaS、PaaS相关实际业务场景，不断迭代引入新技术和新方案，如AI OPS、观测降噪和精准，智能辅助运维等。
1、负责公有云IaaS、PaaS客户稳定性机制的构建工作，涵盖故障观测、响应机制建立、快速止损措施制定以及系统性改进建设，以确保客户线上业务稳定、可靠运行； 2、负责识别当前客户使用云产品全链路环节的可靠性，通过指标量化评估客户系统部署的健康程度，持续优化系统架构，从故障检测、通知与响应机制、自动恢复和止损效率等方面进行提升，增强IaaS产品的可靠性和稳定性； 3、负责推动IaaS&PaaS客户使用云产品最佳实践的落地，借助风险筛查、隐患排查等亚健康观测手段，帮助客户发现资源使用和系统架构方面的改进点，并协同客户团队落实改进措施； 4、持续跟踪业界前沿技术方案，结合IaaS、PaaS相关实际业务场景，不断迭代引入新技术和新方案，如AI OPS、观测降噪和精准，智能辅助运维等。
1、负责公有云IaaS、PaaS客户稳定性机制的构建工作，涵盖故障观测、响应机制建立、快速止损措施制定以及系统性改进建设，以确保客户线上业务稳定、可靠运行； 2、负责识别当前客户使用云产品全链路环节的可靠性，通过指标量化评估客户系统部署的健康程度，持续优化系统架构，从故障检测、通知与响应机制、自动恢复和止损效率等方面进行提升，增强IaaS产品的可靠性和稳定性； 3、负责推动IaaS&PaaS客户使用云产品最佳实践的落地，借助风险筛查、隐患排查等亚健康观测手段，帮助客户发现资源使用和系统架构方面的改进点，并协同客户团队落实改进措施； 4、持续跟踪业界前沿技术方案，结合IaaS、PaaS相关实际业务场景，不断迭代引入新技术和新方案，如AI OPS、观测降噪和精准，智能辅助运维等。
作为产品运营专家，深入了解B端客户/用户在产品应用的痛点和需求，通过推动产品&解决方案的建设，支持客户产品使用和体验改进，提升客户体验，实现客户价值/规模的扩大，主要职责： ● 负责产品的使用培训和帮助文档体系和内容建立，面向B端客户/用户进行生产和传播，不断提升产品的自助服务能力。 ● 牵头组织B端客户的试用、验证、应急、重保等工作。 ● 负责处理客户/用户问题，保证客户问题的解决，保证产品和服务的稳定性、可靠性。 ● 协同阿里云服务团队，在产品线内建设并不断完善服务体系、建设服务能力和运营效率。 ● 策划对核心关键客户的运营策略并执行落地，制定合理的内外部联动机制，进行关键客户运营。 ● 总结最佳实践和工具产品，沉淀标准化方案和技术服务内容，通过工具化、自动化等方式，提升服务体验和服务能力。 ● 整理分析共性问题，洞察痛点，参与产品功能设计和改进，建立端到端体验迭代和优化机制，提升客户的体验。
1、运维可观测链路建设 • 负责全链路稳定性解决方案的制定与执行，包括交付、变更、应急及稳定性专项建设； • 事前：建立并持续优化产品运维的监控机制,研发并维护相应的运维监控平台/工具； • 事中：建立并持续优化产品运维的预警机制，确保故障能够被快速发现、通报、定位及处理； • 事后：快速分析、诊断、定位问题，并能够协同开发人员解决问题；建立健全快速恢复服务机制，降低业务受损程度，确保产品、业务稳定运行；牵头问题复盘工作，通过架构优化等根治引起不可用的问题。 2、运维平台产品化与智能化建设 • 设计、研发并维护智能化的运维平台、工具、系统，帮助解决生产系统遇到的容量、性能、稳定性等问题，提升性能与效率； • 负责运营质量数据化分析工作，通过对日常运维指标、问题、风险、稳定性结果进行分析和研究，建立模型、计算ROI/TCO来解决、优化和落地给出运营优化建议； • 负责高可用体系建设，如巡检、故障自动定位、自动恢复、自适应容灾、云原生技术实施及落地等，保障业务持续可用。 • 负责运维能力的抽象与设计，通过平台实现运维能力产品化，建立配套的标准运维手册，提升运维的易用性/完整性和降低误操作风险（专有云）； • 将运维服务产品化能力传达给客户，建设客户心智，提升运维服务效率（反馈增加） 3、运维服务体系建设 • 建设本领域相关的运维体系(如变更标准，重保体系，客情预警等),确保本领域产品运维&稳定性能力提升； • 牵头制定本领域内的相关新产品\新功能的的SLA协议承诺； • 基于SLA要求，评审新产品\新功能的架构是否可用、安全； • 通过日常运维活动优化产品稳定性，达成SLA目标； 4、容量规划与调优 • 基于年度的产品线规划，进行预算编制、容量规划与置备，协调各方持续滚动进行存储、计算等资源消耗的预测与估算； • 通过技术手段提升线上资源利用效率，降低物理资源成本（如结合对于业务波峰/波谷等的预测，进行混合部署）。 • 通过云平台与云产品的容量模型设计与调优以及配套的工具建设，降低云平台因为资源问题带来的稳定性风险并提升资源利用率（专有云） 5、安全保障建设 • 日常on call值班，及时响应告警及技术支持升级的疑难问题，并解决； • 负责集团级重大活动（如双11等）的运维保障工作； • 配合安全团队，梳理安全漏洞，优化相关技术架构，提升产品与系统的安全性。 • 负责云平台风险管理能力建设，通过风险策略库建设提前识别风险，建立风险预警和治理机制，推动云平台风险治理提升客户稳定性（专有云） 6、平台架构升级 • 负责系统架构升级，如内核升级、网络架构升级、存算分离、服务跨机房迁移、服务上云 • 负责容灾架构设计并实施，如同城容灾、异地多活等 • 负责云平台软硬件生命周期设计，制定升级方案，通过商务法务产品与服务策略制定，推动客户云平台持续演进（专有云） • 负责云平台的分层设计，并通过依赖与兼容性治理与优化，实现云平台分层解耦，提升交付、升级的灵活性与稳定性（专有云）