云原生高级SRE工程师（深圳/北京）

1.保障云原生平台可靠性：负责 TKE 相关集群及核心组件的稳定性建设，完善 SLI/SLO、可观测性、容量评估与风险巡检体系，持续降低故障发生率与恢复时长；
2.攻坚复杂生产问题：深入 Kubernetes 控制面、调度、容器运行时、网络、存储等关键链路，开展疑难问题定位、源码分析与性能优化，推动问题从应急恢复到根因修复闭环；
3.推进容灾与变更治理：建设可用区级故障防护、备份恢复、容灾演练和安全变更能力，完善灰度、回滚、限流与熔断机制，降低故障影响范围；
4.研发自动化运维能力：设计并开发集群生命周期管理、巡检、自愈、变更与诊断工具，推动运维流程标准化、平台化，减少重复性人工操作；
5.探索 AI 辅助运维：结合告警、工单、日志与知识库建设辅助诊断能力，推动 Agent 在信息检索、分析与处置建议中的应用，并建立效果评估、权限控制和人工确认机制；
6.推动跨团队问题闭环：协同研发、产品及技术支持团队，参与轮值、故障响应与复盘，将客户问题和共性故障转化为产品改进、治理专项及可复用知识。

Experience
> 3 years of working experience