岗位职责
- 平台稳定性保障：主导监控平台的日常运营与稳定性建设，制定并执行平台巡检与应急预案，确保系统高可用；
- 全链路可观测体系搭建：搭建并维护覆盖监控、日志、Tracing等能力的可观测体系，设计异常及时发现与预警机制，提升故障响应效率；
- 自动化运维工具开发：开发覆盖告警配置、故障自愈、场景巡检等自动化脚本与工具，推动运维效率持续优化；
- 平台功能迭代与优化：结合业务需求，设计并推动监控平台的功能迭代，提升平台在业务场景中的适配性与使用体验；
- 运营规范与最佳实践输出：编写并持续刷新平台运营文档与最佳实践手册，推动团队运维能力标准化。
职位要求
- 教育背景与专业知识：本科及以上学历，计算机、软件工程、通信工程或相关理工类专业；
- 专业技能与资格：精通Python、Shell、Go中至少一种编程语言，具备自动化工具开发能力；熟悉Prometheus、Grafana、ELK、蓝鲸等可观测工具的使用与维护；
- 行业与专业经验：5年以上监控或运维平台运营经验，具备大规模监控体系建设经验；
- 项目/任务成果：主导或深度参与过至少一个大型可观测性平台或自动化运维项目的设计、开发与落地；
- 其他要求：具有较强的数据分析能力，能从监控数据中定位问题并推动闭环；具有优秀的跨部门沟通与协作能力，能在多团队环境中高效推动任务。
