鹰角网络SRE工程师（平台方向）

1、面向国际电商业务，基于跨团队/时区/地域的合作机制，提供符合实际业务场景的组件稳定性解决方案； 2、持续进行组件的元数据建设，可观测建设，完善多维度的可观测方案； 3、开发平台化、数据可视化和自动化监控流程，以促进国际电商平台组件运维提效的工作； 4、深入了解电商业务，进行组件的风险感知和治理； 5、持续跟进国际电商组件的管理和优化。

负责鹰角云平台的设计和研发，如应用管理、流程引擎、监控中心等 负责制定前端研发规范，构建统一、高效的前端研发流程； 参与SRE工作的自动化实践，为公司内部提供拥有极致体验的SRE产品；

1. 负责理想汽车AI平台RDMA网络下大规模GPU集群和并行高速存储的运维工作，为业务平台的可用性负责 2. 调查解决大规模GPU集群管理和大规模AI训练情况下遇到的各种系统/稳定性问题，打造自动化，稳定，易于运维的高速网络和超算集群 3. 深入理解业务,推动AI平台在K8S多集群架构、监控平台、日志等方向的云原生架构演进并落地解决方案 4. 持续建设AI平台运维体系、在稳定性建设、故障定位、资源运营等方向，推动运维工作自动化、工程化

1、持续支撑国际化内容安全平台内部视频安全、直播安全等多条业务日常稳定性保障，构建并优化可观测性大盘，积极参与容灾响应和应急，持续提升MTTR和SLA； 2、通过体系化的监控、运维、容量管理、资源成本管理、跨区域容灾建设、巡检、流程规范建设、应急响应、事故管理等方式维护线上服务稳定性，保证服务SLO；同时积极应用数据驱动、自动化运维等方式提升运维效率和稳定性运营能力； 3、面对线上问题有体系化的排查思路，快速定位问题能力，建立事故响应机制。