阿里云阿里云智能-网络运维专家-杭州
任职要求
● 工作经验： ○ 5年以上网络运维工作经验，具备大型互联网或网元开发经验相关背景优先。 ○ 在类似环境中，具有5年以上的云基础设施网络运营经验 （包括虚拟网络或物理网络） ● 技术技能： ○ 精通TCP/IP、BGP、MPLS 等协议，熟悉大规模IDC及骨干网络架构。 ○ 熟悉至少一个云厂商虚拟网络底层转发原理和架构实现； ○ 精通至少一种编程语言（C，C++，Python，Go 等），计算机理论基础扎实，熟练掌握常用的代码库，研发框架。 ○ 熟悉常见的网络和应用协议（OSI模型、交换、路由、TCP/IP、ACL、NAT、QoS、TLS/SSL、HTTP/HTTPS、负载均衡、DNS等）。 ○ 理解Linux/UNIX系统，具备网络安全知识，熟悉Ddos攻击检测与防护原理。 ● 软技能： ○ 具备良好的客户服务意识，思维缜密，逻辑性强，具有挑战精神和前瞻性。 ○ 良好的团队协作精神，善于将日常运维中发现的问题总结沉淀为运维经验，并应用于运维平台的能力建设中。 ○ 具备出色的沟通、表达能力和较高的文档撰写水平，能够独立分析和解决问题，并提出创新的解决思路和方案。
工作职责
● 网络稳定性管理：梳理和管控阿里云网络的线上稳定性风险，稳定性建设以及性能优化，包括线上问题处理，问题诊断，确保线上系统的安全可靠，提升产品的稳定性和性能，降低网络风险，提升应急响应处置效率。 ● 自动化运维开发：开发和维护路由器/交换机/虚拟网络等网络设备及软件的自动化能力，；落地网络稳定性相关的运维效能提升。 ● 新技术验证与优化：参与新架构、新产品结合测试和运营要求的工作，归纳总结形成有效的SOP，并集成到监管控相关维护系统中。 ● 变更风控与效能提升：变更风控能力建设，持续提升大规模安全高效变更工程化效能，保障变更稳定性和效率，设计和适配开发自动化变更场景。
1、运维可观测链路建设 • 对稳定性有全局化的思考能够制定稳定性方案并落地； • 事前：建立并持续优化应用运维的监控机制,研发并维护相应的运维监控平台/工具； • 事中：建立并持续优化应用运维的预警机制，确保故障能够被快速发现、快速定位、快速处置； • 事后：快速分析、诊断、定位问题，并能够协同相关人员解决问题；建立健全快速恢复服务机制，降低业务受损程度，确保业务稳定运行；通过稳定性治理专项、架构优化等排除潜在风险。 2、稳定性运维平台建设 • 设计、研发并维护可靠的运维平台、工具，如巡检系统、水位系统、交付系统、成本管理系统等，帮助解决生产系统遇到的交付、性能、稳定性、成本等问题，保障业务持续可用，提升性能与效率； • 负责运维质量数据化分析工作，通过对日常运维指标、问题、风险进行分析和研究，建立模型，给出运维优化建议； 3、应用运维规范标准建设 • 建设应用运维流程规范以及标准化(如变更标准、重保方案、云产品配置标准等)，确保运维的规范性和标准化，提升运维稳定性； • 制定应用运维的故障应急处置规范标准； • 制定应用运维的报警处置规范标准以及SLA； • 制定应用运维的成本把控规范以及考核标准。 4、资源调优 • 基于业务需求规划，进行预算编制、容量规划与准备，协调研发进行存储、计算等资源消耗的预测与估算； • 分析业务需求，在确保稳定性的前提下，结合水位和规格以及计费规则等，并把控技术方案中资源估算合理性，协同研发降低资源成本。 5、安全保障建设 • 7*24应急响应，日常监控报警和应急处置并对存在的问题持续发现并整改； • 负责重大节点（如国庆、春节、元旦）的运维保障工作； • 应急预案的制定及演练、应急响应和故障处理等事项； • 建立问题/故障记录库，对记录库进行针对性分析，补齐并优化应急预案库和规范流程库； • 配合安全团队，梳理安全漏洞，优化相关技术架构，提升系统的安全性。 6、架构升级 • 负责系统架构升级，如内核升级、网络架构升级、服务跨机房迁移、容器化改造等； • 持续挖掘云产品的功能以及使用能力结合业务需求场景进行优化； • 负责容灾架构设计并实施，如同城容灾、异地多活等。
1. 负责数据中心AI高性能网络、虚拟网络技术的规划、架构设计、以及交付建设、日常稳定性保障、性能优化提升等工作 2. 负责数据中心网络设备及四层设备系统的架构设计及运行保障。 3. 参于搭建网络建设、运维自动化体系，推进网络运维标准化、平台化、自动化能力提升。 4. 参于网络稳定性风险梳理、持续完善变更机制规范、网络故障应急等，持续降低网络运行风险。
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）
• 负责数据中心网络的建设，对工程项目的进展和验收负责； • 负责构建高可用的网络建设交付平台，基于平台和数据的持续运营，推动交付平台工具优化，提升网络自动化建设交付能力； • 负责网络建设/运营自动化脚本编写，提升网络的自动化建设、优化和运维能力； • 通过数据分析和研究，提前识别网络架构风险、设备软硬件风险、系统平台风险，规避系统性风险。