高级云原生数据运维工程师
作为高级站点可靠性工程师，扩展并保护不断发展的平台上的 Kubernetes 基础设施。 自动化提升可靠性、可观测性、灾难恢复和云成本优化。
描述
- 设计并运维跨 Kubernetes 集群的生产工作负载。
- 构建具备自我修复和自动扩缩能力的系统，减少人工操作并保障正常运行时间。
- 在 Kubernetes 环境中运行可靠的 SQL、NoSQL 和对象存储平台。
- 制定备份、灾难恢复、复制和故障切换方案，以满足 RPO 和 RTO 目标。
- 排查并恢复 Kubernetes Persistent Volumes、StorageClasses、CSI 驱动程序和 PVC。
- 通过存储分层、冷热数据分离和 S3 生命周期策略，提升存储性能并降低成本。
- 保障 MinIO 和 S3 兼容对象存储的安全并扩展其规模，以支持高吞吐量数据管道。
- 管理包括 EBS、io2 和 gp3 在内的块存储，以及 EFS、NFS 等共享文件系统。
- 优化网络、入口和出口流量以及服务网格，确保通信安全。
- 使用 ArgoCD、Flux 和 GitHub Actions 推进 GitOps 与 CI/CD 实践。
- 使用 Terraform、Helm 和 Kubernetes Operators 自动化基础设施配置与升级。
- 通过蓝绿发布、金丝雀发布和 Spot 实例滚动更新逐步交付变更。
- 使用 Prometheus、Grafana、Loki、VictoriaMetrics 和 OpenSearch 管理监控与告警。
- 领导事件响应和事后复盘。
- 让系统健康状况、性能和成本指标清晰可见。
- 实施最小权限 IAM、安全的服务间通信、网络 ACL 和防火墙策略。
- 落实 Kubernetes RBAC、密钥管理和安全的镜像供应链。
- 支持审计准备和合规工作。
- 大规模分析并调优 CPU、内存和 I/O 性能。
- 与产品和平台团队合作，为集群、数据库和存储层确定合适的资源规格。
- 为工程负责人创建成本可视化仪表板。
任职要求
- 拥有至少 8 年 SRE、DevOps 或基础设施工程经验。
- 精通 Kubernetes，包括多集群运维、Helm Chart 开发和高级网络技术。
- 具备扎实的 GitOps 工作流经验，熟悉 ArgoCD 或 Flux。
- 精通 AWS（优先），或 Azure、GCP，并熟悉 Terraform、Pulumi 或 CloudFormation 等基础设施即代码工具。
- 深入了解 SQL 和 NoSQL 数据库，包括 MySQL 或 Aurora、PostgreSQL、MongoDB 和 Redis。
- 具备 Python、Bash 或 Go 自动化与脚本编写能力。
- 具备丰富的监控与可观测性经验，熟悉 Prometheus、Grafana、Loki、ELK 或 OpenSearch、VictoriaMetrics 等工具。
- 具备大规模 CI/CD 和生产环境事件管理经验。
- 具备 Kafka、RabbitMQ 或类似流处理与消息系统的经验。
- 拥有计算机科学、工程或相关领域的学士学位，或具备同等工作经验。
- 有运行关键任务、高流量、多区域系统的经验者优先。
- 有经过实践验证的云和 Kubernetes 成本优化经验者优先。
- 熟悉 Istio、Linkerd，或高级网络与出口流量控制者优先。
- 具备 Airflow、Debezium 或 ClickHouse 等数据平台组件经验者更佳，但非必需。
- 具备良好的沟通和团队协作能力，能够与工程、DevOps、安全和产品团队协同工作。
福利待遇
- 培训和专业发展计划。
- 基于绩效的奖金激励。
- 灵活的居家办公选择。