岗位职责
- 在公有云环境中负责告警体系建设与治理，作为 on-call 一线响应者完成故障分诊与协助定位，跟进复盘与改进项落地；
- 云平台告警建设：针对云资源、中间件、核心链路建立基础监控指标和告警规则，确保关键异常能被及时发现；
- 告警治理与运营：持续清理噪声告警，建立告警分级和路由规则，定义告警质量指标（有效率、噪声率、响应时长），推动告警源头的修复；
- 故障第一响应与分诊：作为 on-call 一线技术响应者，对告警和故障做初步判断，区分是云平台、网络、中间件还是业务代码问题，并路由给对应负责人；
- 故障协助定位：在故障处理过程中，协助收集日志、指标和链路数据，缩小排查范围，推动故障尽快恢复；
- 故障复盘跟进：维护复盘模板和改进项跟踪，确保每次故障都有可落地的改进项并跟进；
- 值班体系运营：设计并维护 on-call 排班、交接、升级和 SOP，培训值班人，确保值班体系可持续运转。
职位要求
- 本科及以上学历，计算机相关专业优先；
- 3–5 年云平台运维、告警运营或 on-call 响应相关经验，有公有云（AWS/阿里云/腾讯云等）实际使用经验；
- 有告警治理或监控运营的实际案例：做过降噪、分级、分诊、推动告警质量提升；
- 有实际参与过 on-call 轮值的经验，能承担一线响应职责；
- 具备基础的故障排查能力，能阅读日志和指标，判断问题归属；
- 能用脚本或工具解决值班和告警中的重复动作。 加分项：
- 有独立从零建立告警规范或 on-call 体系的经验；
- 有云厂商监控产品（如 CloudWatch、云监控、SLS）的使用经验；
- 有 OpenTelemetry、Grafana 搭建经验。
