阿里云阿里云智能-运维技术工程师-杭州
任职要求
职位要求
1. 3年以上云计算\IT厂商相关工作经验，运维\研发测试\售后技术支持\技术咨询等方向，对以下一个或多个云计算产品领域有深入的理解：计算、存储、网络、数据库等。
2. 对云计算业务运维保障管理有丰富的实战经验，如复杂业务场景下的流程优化和过程改进、系统的高可用性架构实现、组织的稳定性意识提升等。
3. 对问题有清晰的分析逻辑和全局思维，能提出具有创造性的解决思路和方案，善于学习新技术。
4. 有良好的沟通能力和结构化表达能力、…工作职责
部门介绍：云智能集团承载着阿里巴巴集团在高科技领域的核心技术和业务创新，致力于构建数字经济时代的企业级云计算服务平台，并且在全球范围内提供先进的技术解决方案和服务，具备超大业务规模以及复杂的企业级云计算服务。 云智能集团SRE团队的使命是保障云智能集团生产环境的稳定性以及企业级云计算数据可靠性，服务连续性。如何保障云上客户的业务连续运行以及不止于99.99%的可用性，是我们面临的巨大挑战。 云智能集团SRE团队的目标是建立技术和管理结合的体系化稳定性保障体系，包括但不局限于： 1.制定稳定性规范和度量，如涵盖健壮性架构、研发质量、发布变更、生产环境运行管理等方面，把稳定性贯彻到阿里云技术研发体系 2.推动开展稳定性架构治理重大战役，如全栈容灾，变更灰度，应急1-5-10，资损防控等战役，将稳定性风险快速持续收敛 3.构建稳定性技术中台，无人值守变更，红蓝攻防，应急协同，风险隐患巡检，监控发现等方面建设平台化能力，让稳定性工程更简单 4.应急处置生产环境故障，应急响应，处置协同，故障定位，故障恢复，故障复盘改进 5.通过技术和服务全方位保障客户业务的大型活动稳定性保障，如淘天集团双11，亚运会、奥运会以及客户业务关键期保障 岗位职责： 1. 管理阿里云产品及系统的所有技术类故障，日常支持包括应急响应、协同调度、复盘改进等故障全生命周期管理，持续优化该管理体系的质量、效率、成本，提升整体服务品质。 2. 负责设计、落地各类云业务的运维保障解决方案，包含但不局限于：线上问题管理、全维度全链路的监控管理、线上生产变更管理、故障容灾演练管理、大促重大活动管理以及稳定性文化建设。 3. 主导并推进标准运维保障解决方案的落地工作，提升服务效率，实现高效自动化且可扩展的技术服务运行模式。 4. 结合运维保障解决方案在阿里云的落地经验，梳理提炼形成云上用户的标准运维保障解决方案，独立服务某领域的解决方案设计和建设，并持续化落地优化。 5. 该职位涉及值班响应的职责，在服务级别协议（SLA）时间内做出对客响应，推动客户问题的解决，改善客户体验
1、负责服务器运维的硬件/软件类日常运行维护，线上问题排查、故障处理及疑难问题诊断分析； 2、负责服务器类产品形态的运维评估、监控、调优，诊断、硬件性能优化及工具化开发； 3、负责运维服务过程中的问题处理及管控进度，并对项目实施及售后服务工作持续优化； 4、负责设备生命周期的过程优化和治理，完成产品的线上化推进过程的风险管控和保障； 5、负责资源交付、设备运维、供应商及IDC数据中心IT管理，持续完善标准流程规范制定； 6、负责服务生命周期的产品管理，运维可行性评估，和产品周期的运维质量风险管控。
1、负责虚拟化Hypervisor运维平台和运维技术的核心功能开发。 2、负责虚拟化资源池的部署与持续迭代，优化虚拟化版本迭代中的关键技术，建设虚拟化底座的风险识别和异常探测能力，保障高可用、高性能及可扩展性。 3、深度参与虚拟化相关问题的根因分析与性能调优，解决大规模实例运行中的稳定性与性能瓶颈。 4、协同管控、网络、存储、镜像、安全等团队完成虚拟化Hypervisor层的安全加固、合规改造与运维/质量标准化建设。
负责大型客户“上云”技术服务，沉淀标准化云迁移技术方案，优化云迁移运维技术工具，帮助更广泛的企业客户和服务商自主、高效的完成云迁移。 负责大型客户“架构优化”技术服务，沉淀标准化解决方案，开发、整合、集成多种云原生工具和产品，帮助更广泛的企业客户和服务商自主、高效的进行云上架构演进。 - 技术服务方案方向：通过已有工具和产品，产出云迁移、云治理的方案，帮助用户完成云迁移和云治理工作。 - SRE研发设计方向： 稳定性治理、多活容灾、混沌工程、成本分析和优化、资源和运维编排、风险巡检、水位分析、性能压测、云上可观测等方面。 - 迁移研发设计方向： 服务发现、拓扑分析、数据迁移、数据校验、流量控制等方面。
1、负责阿里云全球数据中心基础设施的运营管理，对过程质量、运营数据、KCP指标等开展持续性分析，确保运营服务质量和业务稳定性。 2、负责驱动FOC、ITOC职能运转，拉通业务和数据中心现场等上下游团队，确保事件应急响应及时性和业务连续性。 3、负责将应急管理、质量管理与平台自动化相结合，通过应急调度系统、运营质量分析系统、大数据接入及告警标准化的建设，持续提升数字化、自动化能力。 4、负责数据中心运维管理流程、标准、机制的持续优化，不断提升运维管理技术水平。