站点可靠性工程师 III

我们正在寻找一名熟练的站点可靠性工程师（SRE）加入我们的团队，帮助构建、部署、扩展和操作高度可靠的分布式系统。您将发挥关键作用，在多个地理区域部署和管理平台，确保高可用性、可扩展性和性能。关键职责包括部署和管理跨多个地理区域的分布式平台，设计和维护基于 Kubernetes 的基础设施，构建和管理 Helm 图表以实现高效且可重复的部署，通过 Grafana 桌面板和指标监控系统健康状况，主动识别和解决故障，通过自动化和最佳实践提高系统可靠性、性能和可扩展性，处理大规模部署并改进基础设施以支持增长，与开发团队合作确保 CI/CD 和生产就绪，实施可观测性、警报和事件响应流程，解决生产问题并进行根本原因分析，编写和维护事件响应运行手册。

4–5 年的站点可靠性工程、DevOps 或类似角色经验，强大的生产环境 Kubernetes 实践经验，强大的基础设施即代码（Terraform、git...）经验，强大的 AWS（eks、vpc、s3、ecr、iam 角色等）经验，扎实的 Helm 图表应用部署经验，强大的 bash 脚本和工具经验，大规模分布式系统和高可用性架构的实践经验，对容器化、微服务和云原生生态系统有深入理解，具备 CI/CD 管道和自动化工具的经验，生产环境中的调试和问题解决技能。