岗位职责
*主导构建kuaiziSaas平台的SLI/SLO/SLA框架，量化评估链路延迟、调用成功率、可用性及基础设施健康状态等关键指标
*识别系统薄弱环节，优化服务稳定性，平衡资源使用效率，设计高可用与服务降级策略
*搭建覆盖全业务链路的压测机制，提前识别性能瓶颈，管控系统稳定性风险
*基于OpenTelemetry打造可观测性体系，集成Prometheus/Elasticsearch/Grafana实现毫秒级异常发现
*设计并落地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治理工作，具备腾讯云、火山引擎成本优化经验者优先
*牵头重大故障复盘，输出可度量的Postmortem报告，保障同类问题复发率低于5%
*构建变更防护机制，通过自动化测试卡点拦截80%以上高风险发布操作
*快速响应平台运维突发事件，精准定位并及时处置问题，防止影响扩大

任职要求
*具备5年以上SRE或DevOps实战经验，有Saas平台运维背景者优先
*精通Kubernetes平台治理，拥有千节点规模集群运维与性能调优实践经验
*熟练掌握运维工具链开发（Python/Go/React），参与过开源项目核心模块贡献者优先