阿里云阿里云智能-容器镜像服务技术高级研发工程师-杭州

- 面向公司内部视频智能剪辑工具的端到端研发：React/TypeScript 前端（时间线与轨道、剪切/拼接、转场/滤镜、字幕/音频波形、素材管理）、Java/Spring Boot 后端（转码/合成任务编排、权限与审核、导出/发布流水线），覆盖需求评审、API 设计、数据建模与上线运维全流程； - 参与/主导系统与架构设计：领域建模与边界划分、模块/插件化与扩展点设计、BFF/微服务拆分、任务队列与异步处理、幂等与重试、存储与缓存策略、对象存储/CDN/搜索等基础设施建设；针对音视频场景进行技术选型（FFmpeg、Media APIs、WebAssembly/WebCodecs/WebGL 等）； - 负责前端技术方案与工程化：组件化与状态管理、复杂交互与性能优化（虚拟化时间线、渐进渲染、分片加载、Worker/OffscreenCanvas）、构建提速与包体积治理、可访问性与可用性体验； - 推动代码质量与可靠性：编码规范与 Code Review、单元/集成/E2E 测试、契约测试、静态检查与类型约束、异常与容错策略、性能与稳定性指标（如导出成功率、端到端耗时、Core Web Vitals、99.9% 可用性）； - 持续完善可观测性与运维：日志/指标/链路追踪（OpenTelemetry）、错误告警、容量评估与弹性扩缩、灰度发布与快速回滚；构建用于多媒体处理的任务监控与可视化面板； - 工程效率与 AI 助力：熟练使用 Cursor 等 AI 开发工具进行跨文件重构、目标化编辑、测试/文档生成与方案验证，沉淀提示词与使用规范，提升交付效率与一致性； - 与产品、设计、算法/多媒体与运维团队高效协作，按期高质量交付。

1. 进行运维系统的规划、选型、部署上线，建立规范化的运维体系 2. 负责运维自动化系统和工具的设计和开发,提高自动化运维水平、故障响应能力、优化资源使用率； 3. 主导持续交付、故障分析、流量分配、性能调优等,提高运维、开发协作效率，规范操作流程； 4. 负责AI技术平台分布式高并发在线服务可靠、稳定、高效运行; 5. 实践DevOps新技术和方法，改进DevOps流程，实现开发过程自动化，持续提升设计开发效率和质量; 6. 构建容器云平台，包括镜像仓库、容器集群、应用编排、网络、日志收集、集群监控等； 7. 负责日常K8S运维和开发工作中疑难问题的处理和不断改善; 8. 对现有系统提出优化建议;

作为云原生CI/CD方向高级工程师/专家，您将深度参与公司级CI/CD平台的设计、构建、优化和推广。您需要运用您在CI/CD领域的多年经验和对云原生技术的深刻理解，结合平台工程的理念，打造自动化、智能化、自助化的研发交付流水线和开发者平台，赋能业务快速迭代和创新。 主要职责： 1. CI/CD平台建设与优化： - 负责设计、开发、部署和维护公司级CI/CD平台及相关工具链（如Jenkins, GitLab CI, Argo CD, Tekton, Spinnaker等）。 - 持续优化CI/CD流程，提升构建、测试、部署的自动化水平、速度和稳定性。 - 集成代码质量扫描、安全扫描、自动化测试等工具，确保交付质量。 2. 云原生技术实践与推广： - 将云原生理念（如微服务、容器化、不可变基础设施、声明式API）融入CI/CD流程和平台设计。 - 深入研究和应用Kubernetes、Docker、Service Mesh、Serverless等云原生技术，提升资源利用率和系统弹性。 - 推动云原生最佳实践在研发团队中的落地。 3. 平台工程理念落地： - 基于平台工程理念，设计和构建内部开发者平台（IDP），提供标准化的开发、测试、部署环境和工具。 - 为开发者提供自助服务能力，降低认知负荷，提升开发者体验（Developer Experience）。 - 抽象通用能力，构建可复用的组件和模板，赋能不同业务线的快速接入和使用。 4. 技术攻坚与创新： - 解决CI/CD及云原生平台在实施和运维过程中遇到的复杂技术难题。 - 跟踪业界CI/CD、DevOps及云原生领域的最新技术和发展趋势，引入创新方案，持续提升平台能力。 - 参与制定CI/CD和云原生相关的技术规范、标准和SOP。 5. 知识沉淀与分享： - 撰写技术文档，沉淀最佳实践，进行内部技术培训和分享，提升团队整体技术水平。 - 指导和帮助团队其他成员解决技术问题。

1. 针对整机柜服务器产品进行全面的计算、互联、监控等能力的全面赋能和开发； 2. 寻找适合于整机柜异构服务器产品的业务产品并进行对应的昆仑组件设计和开发，包含性能评测分析、容器镜像等 3. 针对整机柜硬件架构及业务落地场景，构建故障异常case并能设计故障诊断方案； 4. 负责跟踪及研究主流GPU架构设计技术，参与下一代AI Infra的设计； 5. 根据业务画像，构建有竞争力的异构硬件和系统全链路的量化分析，形成数据决策数据库；有效推动异构服务器产品的规划和落地。