系统可靠性工程师

负责云基础设施的可靠性、可扩展性和性能，支持高吞吐量、低延迟的应用。团队处于软件工程和系统运维的交叉点，构建自动化平台和自愈系统，确保生产环境的弹性。职责包括设计、构建和维护基于AWS的可扩展基础设施（使用Terraform进行基础设施即代码），管理Kubernetes集群（EKS）以确保容器化微服务的高可用性，实施使用Prometheus、Grafana和Datadog的全面可观测性堆栈，构建使用GitHub Actions或GitLab CI的健壮CI/CD流水线，参与轮班值守，领导事件响应，进行无责后验分析。

要求3-6年在SRE、DevOps或系统工程领域的生产云环境经验；熟练掌握至少一种脚本或编程语言（如Python或Go）；深入理解Linux系统管理、TCP/IP、DNS、HTTP等网络协议以及容器技术（Docker、Kubernetes）；有使用Terraform和AWS服务管理大规模基础设施的经验；本科或硕士在计算机科学、工程或相关技术领域，或有同等实践经验。