岗位职责
- 负责字节跳动全球百万级云主机运维平台、资源平台等系统的规划、建设与持续演进，提升运维效率，制定运维标准，构建体系化运维能力；
- 负责字节公有云计算、存储、网络等核心服务的全生命周期管理，保障线上稳定性与交付质量；
- 负责线上稳定性治理，包括监控告警体系建设、故障演练、应急响应、RCA复盘、容量与资源治理等；
- 推动运维自动化与工程化建设，包括交付链路优化、变更平台能力建设、配置标准化与合规治理；
- 针对关键技术难题开展攻关，沉淀可复用的解决方案，结合业务发展进行前瞻性技术调研与落地。
职位要求
- 本科及以上学历，计算机、数学、信息安全等相关专业优先，3年以上Linux运维、SRE、平台工程相关经验；
- 熟练掌握至少一门编程语言（Go/Python/C++等），具备工程化开发能力（能写平台、写系统工具、写自动化）；
- 计算机基础扎实，熟悉Linux操作系统、计算机网络、存储、数据库等原理，具备系统化排障能力；
- 熟悉常见的稳定性建设方法，包括监控、告警、容量、变更、灰度、应急响应、复盘等；
- 具备良好的自驱力与学习能力，优秀的沟通能力、组织协调与项目推动能力。 加分项：
- 具备公有云平台运维经验，或熟悉主流云服务的使用与底层机制；
- 具备云主机交付、镜像体系、资源调度、网络适配、虚拟化（KVM/QEMU）相关经验；
- 熟悉容器与云原生体系（Docker/Kubernetes/Containerd），理解Cgroup/Namespace等隔离机制；
- 具备GPU集群维护经验（驱动、CUDA、MIG、拓扑、故障定位、压测、交付链路等）；
- 具备稳定性专项建设经验，如：故障演练体系、容量变更治理、可观测性平台、资源成本优化等。
