岗位职责
*主导构建kuaiziSaas平台的SLI/SLO/SLA标准体系，精准衡量链路延迟、调用成功率、可用性指标及基础设施健康状态等关键性能参数
*识别系统服务短板，优化服务稳定性表现，合理管控底层资源成本，规划并落地服务降级与容灾策略
*搭建覆盖全链路的业务级压测机制，提前识别系统性能瓶颈，有效管理稳定性潜在风险
*基于OpenTelemetry打造统一可观测性平台，集成Prometheus/Elasticsearch/Grafana实现毫秒级异常感知能力
*设计并实施自动化故障响应流程，确保重大故障平均恢复时间（MTTR）控制在5分钟以内
*推进多云环境下的成本精细化运营，具备腾讯云、火山引擎等平台成本优化实践经验者优先考虑
*牵头组织重大故障复盘工作，输出具备量化分析的Postmortem报告，确保同类问题重复发生率低于5%
*构建变更防护机制，通过自动化测试卡点拦截80%以上的高风险发布操作
*具备快速应急响应能力，能高效定位并处理平台运维异常，及时遏制问题扩散

任职要求
*拥有5年以上SRE或DevOps相关工作经验，具备Saas类平台运维背景者优先
*深入掌握Kubernetes平台治理能力，具备千级节点规模集群的运维与性能调优实战经验
*熟练使用Python/Go/React等语言开发运维工具链，参与过开源项目核心模块贡献者优先