
高级站点可靠性工程师(AWS 与 Terraform)
负责实时故障监控平台的 AWS 与 Terraform 基础设施运维。 重点关注自动化、可观测性、安全和事件响应。
描述
- 使用 Terraform 管理 AWS 和 Cloudflare 基础设施。
- 管理远程状态、CI 计划与执行、资源导入及状态漂移修正。
- 维护 CloudFormation,并在不中断服务的情况下将堆栈迁移至 CDK 或 Terraform。
- 通过 Terraform 管理 Cloudflare,包括 DNS、WAF、自定义规则、速率限制、机器人管理和缓存规则。
- 运维并优化 MySQL 和 PostgreSQL 数据库。
- 优化查询,管理索引、复制与故障转移、备份与恢复,以及安全迁移。
- 维护 GitHub Actions 和 CodeBuild CI/CD,支持安全部署和回滚。
- 使用 Python 和 Bash 自动化任务,包括 boto3 和 API 集成。
- 排查 Linux 事件。
- 通过仪表板、低噪声告警和 SLO 管理可观测性。
- 处理事件和 on-call 值班工作,包括分诊和事后复盘。
- 根据机器人和扫描器流量模式制定 WAF 或速率限制规则。
- 通过密钥管理、IAM 审查以及 CVE 和 Dependabot 分诊维护安全。
- 优化成本。
- 协调 on-call 值班轮换,其他团队的工程师可自愿参与。
- 协同开展云基础设施、自动化和运维工作,维护实时故障监控平台。
任职要求
- 具备至少五年 SRE、DevOps 或云基础设施经验。
- 具备 Terraform、AWS 和 Cloudflare Provider 的使用经验。
- 具备 Cloudflare DNS、WAF、自定义规则、速率限制、机器人管理和缓存方面的经验。
- 具备 MySQL 或 PostgreSQL 经验,包括调优、索引、复制与故障转移、备份与恢复以及安全迁移。
- 具备 CI/CD 经验,熟悉 GitHub Actions(包括通过 OIDC 连接 AWS 和可复用工作流)及 CodeBuild。
- 具备 Python 和 Bash 技能,熟悉 boto3 和 API 集成,并能排查 Linux 问题。
- 具备使用 Okta 或 Auth0 等身份提供商实施 SSO 和 SAML 2.0 的经验。
- 了解数据平台基础知识,包括 Athena、S3 和 Glue。
- 能够独立工作,并与不同时区的团队协作。
- 善于管理工单并编写清晰的运行手册。
- 能够适应 Jira 和敏捷实践。
- 英语听说读写流利。
- 日常使用 AI 编码代理,包括编写规范、审查、测试和质量门禁。
- 具备较强的端到端责任意识。
- 有兴趣学习网络知识,包括有线和无线协议。
- 具备 Elasticsearch 或 OpenSearch、Serverless Framework、Docker 与 ECS,或高流量消费类网站经验者优先。
福利待遇
- 弹性工作时间。
- 可选择在办公室或居家办公。
- 健康保险。
- 灵活的薪酬福利方案。
- 内部活动。
- 户外活动。
- 社交活动日。
- 帕德尔球活动。
- 按需休假。
- 培训。
- 英语课程。
- 认证资格支持。
- 办公室提供咖啡、糖果和桌上足球。

