阿里云阿里云智能-高级运维开发工程师-云通信-杭州

任职要求

• 3年以上IT、互联网、云计算行业运维工作经验
• 子系统研发安全生产执行者
• 具备较强的研发安全生产意识，熟悉所负责子模块、子系统以及横向关联子模块、子系统的安全生产风险及预防措施，能够处置和恢复较复杂的安全和稳定性故障
• 在所负责的子模块、子系统的全链路研发流程中（需求理解、设计、测试、发布、运维）上严格遵循研发安全生产规范，保障系统的安全和稳定
• 具备参与研发安全演练的技术能力
• 对本领域的技术趋势和演进有持续的跟踪与了解
• 基本掌握架构设计、性能优化、稳定性优化等领域的专业能力
• 具备较强的业务理解能力，独立处理复杂的系统与业务级需求与逻辑；
• 对业务问题有自己的判断，能够熟练运用流程、工具，识别风险并提前暴露问题，提出解决方案
• 具备一定的业务团队内的影响力，作为项目执行人等角色得到业务团队认可；
• 能够应用智能化/自动化的运维平台与工具，设计与应用复杂的工作流和日常运营模版，快速发现、定位和解决较为复杂的故障问题，提升运维效率
• 能够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
• 具备一定的开发能力推进自动化运维能力建设

工作职责

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）