岗位职责
- 负责基础设施日常运维，包括 NAS 存储、AD 域控、OpenStack/VM/K8s 虚拟化与容器编排平台的集群管理、扩容、故障排查与性能调优，保障服务链路不中断；
- 定义并跟踪系统 SLO/SLI（设备可用性、服务响应延迟等），控制错误预算，通过混沌工程（ChaosBlade/LitmusChaos 等）、灾备演练提升系统韧性；
- 使用 Terraform/Ansible 实现基础设施即代码（IaC），开发 Python/Go 自动化工具覆盖部署、配置、巡检、故障自愈全流程，减少人工操作；
- 建设并维护全链路可观测性体系，整合 Prometheus/Grafana + ELK（或 OpenSearch/Loki）栈，覆盖指标、日志、链路追踪，实现从基础设施到业务层的全链路监控，确保故障及时发现、快速响应；
- 参与虚拟化与容器编排平台优化，主导容量规划与资源调度优化，在保障性能前提下降低硬件与资源成本；
- 负责核心数据库及中间件（MySQL、PostgreSQL、Redis、ES、O2）的日常运维支撑，熟悉 OWL2 运维管控平台，能独立完成配置管理、版本升级、备份恢复、性能分析等日常操作；
- 响应用户及项目需求，与游戏/网络/IT 团队紧密协作，输出系统层技术支持与运维解决方案，推动跨部门协作事项落地；
- 探索并实践 AI 辅助运维，利用大模型提升故障诊断、脚本开发、日志分析等场景效率；
- 持续优化运维流程，建立技术文档与团队知识库，关注业界前沿动态。
职位要求
- 计算机相关专业本科及以上学历，5 年以上 SRE / 系统运维经验，游戏行业 SRE 运维经验、熟悉游戏研发生产流程者优先；
- 熟练运维 NAS 存储、AD 域控、OpenStack/VM 虚拟化平台，有 K8s 容器编排平台管理经验者优先；
- 熟练使用 Terraform/Ansible，具备 IaC 落地经验，了解 GitOps（ArgoCD/Flux）等云原生交付流程者优先；
- 熟练使用 Prometheus/Grafana 体系，熟悉 Zabbix 等传统监控平台，能独立设计监控指标与告警策略，有全链路可观测性（指标 + 日志 + 链路追踪）建设经验者优先；
- 精通 Python/Go 任一编程语言，能独立开发复杂自动化脚本与工具；
- 具备 MySQL/PostgreSQL/Redis/ES/O2 等数据库及中间件的基本运维能力，熟悉 OWL2 平台；
- 自驱力强，具备良好的跨团队沟通与项目推动能力，较强的学习能力与简报输出能力，可接受必要的线上应急响应；
- 有 AI Coding / AI 辅助运维实践经验优先。
