高级系统可靠性工程师

负责确保企业关键平台的可靠性、可扩展性、安全性和性能，领导SRE实践，管理容器化工作负载，负责可观察性、身份和事件响应能力，与基础设施、安全和应用团队合作。主要职责包括：系统可靠性与运维：领导并成熟SRE实践，包括SLIs、SLOs、SLAs、错误预算和可靠性指标，负责事件响应、值班准备、根本原因分析（RCA）和事件后整改，推动减少MTTR、事件频率和客户影响的停机时间。云与平台工程（Azure）：设计、操作和优化高可用Azure环境，确保平台在计算、网络、存储和身份服务上的韧性，与基础设施和安全团队合作制定安全默认的云标准。容器化与运行时平台：领导容器化平台（Kubernetes/Azure Kubernetes Service）的可靠性工程，定义部署、扩展、健康检查和韧性标准，支持CI/CD流水线和自动化发布策略以提高稳定性。可观察性与监控（Datadog）：使用Datadog管理企业可观察性策略，建立可操作的仪表板、警报标准和噪音减少实践，确保监控支持运营响应和高管可见性。身份与访问可靠性（Auth0）：与安全团队合作确保Auth0基于的身份服务的高可用性和可靠性，监控认证和授权流程以防止影响客户或员工的停机。领导与协作：作为技术负责人和导师指导SRE和平台工程师，影响应用团队采用可靠性优先的设计模式，提供清晰的风险、可用性和可靠性报告给管理层。

7年以上系统可靠性工程、平台工程或云运维经验；具备Microsoft Azure实战经验；有容器化平台（Kubernetes/AKS）支持经验；熟悉可观察性平台（首选Datadog）；具备身份平台（首选Auth0）支持经验；有事件管理、根本原因分析和运营韧性经验；能用通俗语言向技术及管理层传达可靠性风险。