云稳定性架构师/技术专家 - AI算力基础设施

字节跳动基础设施部门，负责字节跳动的全栈算力基础设施，从芯片服务器产研、到超大规模数据中心，到传统云平台和如今的AI Native Cloud，全方位为抖音、豆包、今日头条、飞书、火山引擎等各类产品提供领先、稳定的百万量级大规模算力基础设施服务。我们的领域涵盖数据中心建设、内核操作系统开发、服务器集群管理、高速网络通信、EB级数据存储体系、搜索型数据库探索、基于LLM的AI基础设施的研发调度与治理等，致力于打造业界领先的、面向LLM的AI云原生基础设施架构与产品矩阵。

1. 参与云产品安全生产规范流程体系的整体架构及系统化建设；
2. 对云产品技术平台的稳定性负责，通过平台、架构优化等手段对事前、事中和事后进行有效管控、不断提升云产品系统稳定性；
3. 数据驱动，通过建设全链路定位定界平台及故障自愈等平台，有效降低故障对云上客户的影响；
4. 持续识别稳定性薄弱环节，负责技术难点的攻坚，推动公司级的架构优化专项，提升各产品服务的整体稳定性；
5. 包括但不限于：变更管控、故障治理、故障演练、SLA系统化建设、混沌工程设计、可观测能力建设等。