职位描述：
1、参与阿里云核心可观测平台（Metrics/Logs/Traces）的架构规划与技术突破，推进AIOPS在故障预测、根因定位、容量管理等场景的实际应用。
2、参与阿里云核心可观测平台运维自动化体系及工具链的构建与研发，提升SRE平台运作效率与智能程度，确保生产环境7x24小时稳定运行。
3、牵头全链路稳定性防护机制建设，通过主动式监控、容量管控与性能调优，识别并消除潜在隐患，增强业务承载能力；主导重大线上事件的应急处置与根本原因分析。
4、以用户需求为导向，快速响应并协助解决用户问题；高效处理系统稳定性与性能瓶颈，推动优化措施落地实施，保障关键业务场景的可用性与使用体验。

职位要求：
1、本科及以上学历，计算机相关专业，5年以上SRE/运维开发/系统架构经验，具备大型分布式系统稳定性保障背景，有devops、效能平台实践经历者优先。
2、掌握主流可观测性技术栈（Prometheus、OpenTelemetry、ClickHouse、ELK等），具备大规模监控系统设计与开发经验。
3、熟练掌握至少一门编程语言如C++/Python/Go等，了解软件开发与运维流程，具备全栈开发能力者更佳。
4、具备扎实的计算机基础知识，熟悉操作系统机制、网络通信、高并发处理及性能调优方法，具有架构设计经验，有大流量、高性能、分布式系统开发背景者优先。
5、具备较强的系统问题定位能力，善于主动沟通与归纳总结，对技术有持续热情，并关注行业前沿技术发展动态。
6、具备良好的协作沟通意识和团队合作精神，具备自主驱动工作与学习能力者优先。