工作职责
1、以AI大装置产品的服务可靠性为目标，定义研发、运维和应急响应阶段服务的SLI/SLO/SLA的评价体系和运维方案，定义重点流程SOP/MOP/EOP，对产品的SLA负责。
2、负责 SRE 平台/工具建设，如CMDB、K8S/Docker、metrics、tracing、logging、monitor、chaos 、自动恢复等，支撑上层训练平台，解决生产中容量、性能和稳定性问题。
3、负责SRE在AI场景的探索和落地，比如AIOPS、多级灰度、混合部署、容量管理等，提高运维效率和服务可靠性
4、负责性能问题、疑难问题的快速定位、分析解决；
5、负责系统和业务的架构方案优化；
6、制定和优化运维解决方案；

任职要求
1. 大学本科及以上学历，5年以上SRE平台工具建设和实战经验，2年以上SRE架构设计经验
2.深入理解linux操作系统和网络原理，具备linux gdb分析coredump的能力；熟悉虚拟化技术和K8S/docker等基础平台建设，有大规模集群架构设计和开发运维经验优先
3.熟悉SRE体系、运维体系的方法、流程，有领先性的SRE技术平台开发和运维经验
4.熟练掌握shell/python等至少一门开发语言
5.积极进取，良好的团队协作、沟通能力，乐于分享，良好的客户服务意识