阿里云阿里云智能-管控系统平台工程研发专家-北京/杭州

1. 负责阿里云容器产品管控系统的架构设计、功能开发和运维管理，打造稳定易用的容器服务管理平台。 2. 维护高性能、高可用的阿里云容器管控服务，保障业务系统在全球地域的稳定性。 3. 深入参与产品全生命周期研发管理，持续优化提升产品安全、稳定、性能、功能与用户体验，以技术驱动业务增长。 4. 推动系统架构演进及优化，关注前沿技术发展，完成技术预研和技术难点攻关。

1、技术方案设计 • 基于业务关键路径与风控等级，主导可靠性目标体系设计：SLA、SLO、SLI 定义与度量口径固化，建立 Error Budget 机制并推动准入/发布决策闭环； • 设计统一的可观测性与事件数据模型（日志/指标/链路/事件/变更），输出监控覆盖与告警分级策略； • 面向容量与资源弹性制定预测与规划方案：峰值建模、容量水位、扩缩容阈值、突增防护。 2、技术实现 • 将可靠性方案拆解为落地任务：指标接入、探针开发、告警规则、治理脚本、自动化运维工具、调度策略优化等，按规范交付； • 编写高质量自动化脚本与服务（Python/Go/Java/Shell），实现批量操作、巡检、数据对账、状态校验、健康探测与回滚； • 深度参与故障应急：值班 OnCall、事件指挥、跨团队协调、战情同步；推动 MTTA/MTTR 降低。 3、安全、稳定、效率和性能优化 • 建立全链路 SLI 指标体系：可用性、延迟、吞吐、错误率、资源利用率、队列深度、调度成功率、实例生命周期关键状态等；持续可视化与例会化分析； • 优化告警体系：告警质量指标（噪音率、误报率、漏报率、可行动性）、Alert → Incident 转换标准、分级通知矩阵； • 推进开发协同（左移）：在设计、开发与测试阶段加入稳定性 CheckList（幂等性、重试策略、熔断/超时、探活、依赖降级、状态收敛）。 4、技术预研 • 预研 Chaos 工具/平台并结合业务特性沉淀标准化故障模型与韧性指标； • 评估智能告警关联、根因定位、异常检测（时序/拓扑/依赖图谱）算法的适用性与成本收益，推动 PoC 与灰度落地； • 针对下一代可观测性（日志与指标融合、采样优化、eBPF 无侵入追踪）提出演进路线。 5、技术规划 • 基于业务增长曲线、产品演进与战略项目制定年度/季度稳定性 OKR：SLO 提升、MTTR/噪音告警压降、自动化覆盖率、演练覆盖率、容量冗余下降、成本优化目标等； • 规划多活/容灾演进路线：跨 Region 容灾 → 主动故障转移 → 智能调度；分阶段 KPI（RTO/RPO、演练周期、切换自动化程度）； • 制定发布与变更分级治理路线：高风险变更识别 → 准入标准 → 影子/灰度策略 → 自动化验收 → 全量放量策略 → 回滚演练常态化。

1.技术方案设计 • 与PD紧密合作，收集、识别、分析云服务器（ECS）实例产品需求，确定技术方案的目标、范围和交付成果； • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等。 2.技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现； • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等； • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署； • 在技术方案评审和CodeReview过程中，能够给予年轻工程师经验指导，帮助其快速成长； • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等。 3.稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠； • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能。 4.技术预研 • 及时掌握行业内新的产品技术和趋势，持续跟踪友商的产品形态和客户的业务特征，并将其转化为ECS的新产品技术需求，从而保证ECS产品能力的先进性。 5.技术规划 • 理解业务战略及重点，基于业务需求做出高可用、高可靠、高拓展性的技术架构规划和落地。

1. 技术方案设计 • 与PD紧密合作，收集、识别、分析客户需求，结合自身行业经验分析并论证需求合理性；在需求明确后，确定技术方案的目标、范围和交付成果； • 完成客户需求的技术方案设计，结合需求场景选择合理的技术架构，满足性能与稳定性要求，并保持足够的可扩展性，同时确保ROI（投入产出比）合理。 2. 技术实现 • 基于DDD（领域驱动设计）开发方法，按时完成弹性网卡（ENI）、安全组（Security Group）业务需求的开发，高质量交付； • 对编码进行阶段性讨论和Code Review，并通过调试优化，推动代码成功部署； • 在Code Review过程中，能够保持热情，及时给予年轻工程师经验指导，帮助其快速成长； • 对开发中和部署后的程序进行维护和迭代，包括值班on-call、升级工单处理、缺陷排查、问题诊断、产品体验改善、性能和成本优化等。 3. 稳定性和性能优化 • 与架构和SRE团队紧密合作，针对负责的功能制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，处理线上疑难杂症问题，确保系统的安全可靠； • 使用DDD（领域驱动设计）开发方法对存量代码进行重构，持续改善系统设计、提升系统性能并消除稳定性隐患。 4. 技术预研 • 定期调研业界对标产品的产品形态并结合客户反馈的业务诉求，分析并转化为ECS弹性网卡、ECS安全组等平台产品的需求；协同PD保持上述产品能力的先进性。 5. 技术规划 • 定期跟踪系统在性能和稳定性相关指标方面的变化趋势，及时分析原因，发现弹性能力演进的机会点，并提前设定技术架构演进的前瞻性目标，开展POC验证； • 对分布式技术、高性能通信技术、数据库技术等保持好奇心和敏锐性，结合业务实际做好技术预研、分享和应用。