阿里云诚云科技-高级运维工程师-专有云产品服务
任职要求
• 在中型企业或云服务提供商从事SRE、运维工具开发、客户技术服务相关工作，具备3年及以上工作经验
• 熟悉云集群各运维平台和云产品及监控平台使用方法，能够快速专业定位客户问题
• 具备一定集群调优和trouble shooting能力
• 或者掌握分布式系统原理，对存储、计算、流式计算中的一项或多项有深…工作职责
1、客户现场专项技术负责人，如网络专项、数据库专项； 2、平台稳定性重大变更方案制定与实施，如性能/存储优化、底座改造等； 3、现场故障应急执行，协助原厂尽快恢复平台运行； 4、关键时刻现场保障，如客户平台隐患深度排查与治理； 5、复杂问题原因定位及解决；
1、负责网易云音乐、Loft、支付等核心业务的系统与平台运维，涵盖操作系统、容器、分布式存储（Ceph）等方向，保障大规模业务的稳定运行； 2、**运维智能化**：设计并实现运维场景下的 AI Agent 系统，包括故障自愈 Agent、智能告警分析 Agent、变更风险评估 Agent 等，提升运维自动化与智能化水平； 3、参与线上业务运维，对线上业务的稳定性负责，利用 LLM 技术辅助故障诊断、根因分析与复盘报告生成，缩短 MTTR； 4、**SDD（Spec-Driven Development）实践**：运用 AI 辅助编写技术规范、运维手册与应急预案，构建可执行的运维知识库，推动文档即代码（Doc-as-Code）的智能化升级； 5、研发和优化运维工具/平台，将 AI 能力与自动化能力赋能给业务和其他团队，建设智能运维（AIOps）平台，提升整体效率； 6、**Prompt 工程与 LLM 应用**：针对运维场景优化大模型应用效果，构建领域专属的 Prompt 模板与知识库 RAG 系统； 7、跟进业界前沿运维技术与云原生体系，探索 AI 在可观测性、容量管理、故障预测等场景的创新应用，不断提升系统可靠性与运维质量。
1、主导公司核心IT基础设施资源（服务器、存储、网络、云资源、容器集群等）的统筹运维管理，搭建标准化、规范化运维体系，保障业务系统稳定运行及高可用性（目标SLA 99.9%以上）； 2、牵头复杂及重大运维故障的应急响应、根因分析与复盘优化，输出可复用的故障解决方案，持续降低故障发生率及影响范围； 3、统筹IT资源容量规划与弹性扩缩容策略制定，精准预判业务资源需求，优化资源配置方案，提升资源利用率，实现运维成本精细化管控； 4、推进运维自动化与智能化建设，运用Shell/Python等脚本语言及主流运维工具（如Prometheus、Grafana、Ansible），实现部署、巡检、监控、告警等核心运维流程自动化，提升运维效能； 5、优化IT资源监控与告警体系，梳理核心监控指标、优化告警策略，实现异常行为早发现、早预警、早处置，缩短故障响应时间（MTTR）与恢复时间； 6、承担中初级运维工程师的技术指导与能力赋能，沉淀运维最佳实践，支撑业务系统高效上线与迭代升级。
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;
1.安全评估与渗透测试：对客户Web系统、APP及新上线系统进行漏洞扫描、渗透测试、安全评估。验证高危漏洞，开展互联网攻击面检测与数据泄露核查。 2.安全运维与应急响应：负责防火墙、IDS/IPS等安全设备的部署、配置、策略优化与故障排查。执行7x24小时安全监控与日志分析，对安全事件进行应急响应和溯源处置。 3.客户沟通与赋能：向客户进行安全意识与技术培训，提供漏洞修复指导与系统加固方案。定期输出服务报告，汇报风险处置进展，维护良好客户关系。 4.项目交付与支持：编写漏洞、评估、应急响应等各类服务报告，确保文档完整准确。配合项目经理完成项目验收材料的整理与交付工作。