高级运维 / SRE 工程师 Senior Cloud Infrastructure & SRE Engineer

27 days ago

Remote, WorldwideSenior

Responsibilities

负责 7×24 小时核心交易业务的生产稳定性，覆盖交易链路、行情服务和基础设施。
参与重大生产故障的应急响应、问题定位、风险控制、服务恢复和故障复盘。
建设和优化 AWS 及 EKS/Kubernetes 生产基础设施，包括云架构、网络、高可用、容量规划、容灾、集群升级、节点生命周期、调度、Ingress、负载均衡、DNS、存储和弹性伸缩。
建设可观测性与生产稳定性体系，包括 Metrics、Logs、Tracing、Alerting、SLI/SLO、Incident Response 和 Postmortem。
推动 Terraform/Terragrunt、GitHub Actions、Ansible 等 IaC、CI/CD 和自动化运维体系建设，完善变更、发布、验证和回滚机制。
负责或协同维护 MySQL、Redis、Kafka 等核心数据及中间件服务，包括高可用、监控、容量规划、备份恢复、性能优化和故障处理。
推动 AWS、Kubernetes 及生产环境的 IAM/RBAC、网络隔离、容器与镜像安全、Secrets/KMS、漏洞治理和安全审计。
与研发及相关团队协作解决系统瓶颈、单点风险和长期架构稳定性问题。

计算机或相关专业统招本科及以上学历。
5 年以上 DevOps、SRE、云基础设施或相关工作经验。
具备中大型生产环境一线运维、变更管理、复杂故障处理、基础设施架构设计和落地经验。
具备 Linux、网络和容器技术基础，以及生产级 Kubernetes/EKS 集群建设、升级、调优和复杂故障排查经验。
了解 Java、Go 等应用运行环境和基本排障方法。
具备 AWS 生产环境建设和运维经验，熟悉 IAM、VPC、EC2、EKS、ALB/NLB、Route 53、S3、CloudWatch 等服务。
具备 Terraform/Terragrunt、GitHub Actions、Ansible 等 IaC、CI/CD 和自动化工具使用经验，并熟练使用 Bash、Python 等脚本语言。
具备 Prometheus、Grafana、ELK/Loki、OpenTelemetry 等生产级可观测性和稳定性治理经验。
熟悉 MySQL、Redis、Kafka 等服务的生产运维，并具备 AWS IAM、Kubernetes RBAC、网络安全、主机及容器安全、Secrets/KMS、漏洞治理或安全审计经验。
具备 Web3/Crypto 生产环境运维经验，并理解区块链及链上业务基本运行机制。
有数字资产交易所、证券、金融交易或支付等高可用实时系统经验者优先。
有大规模 Kubernetes/EKS、AWS 多账号治理、跨 Region 容灾、灾备演练、云原生、云安全或成本治理经验者优先。

AnsibleApache KafkaArgo CDAWSBashGitHub ActionsGoGrafanaJava Kubernetes LinuxMySQLPrometheusPythonRedisTerraform

11-50 employees