工作地点：

北京市

工作职责：

故障全生命周期 Owner
• 作为计算域故障第一责任人，5 min 内完成定界、30 min 内给出止损方案并现场指挥落地；
• 牵头复盘，输出 RCA 及可落地的架构/流程/代码级改进，复发率下降 50%+；
隐患清零
• 基于日志、指标、拨测、Chaos 工程等数据，主动发现并推进重大隐患（资源泄漏、调度热点、内核 BUG、热迁移失败等）闭环；
技术深耕与工具沉淀
• 在 OpenStack、K8s 容器、Linux 内核、虚拟化调度四大方向中至少精通 1-2 项；
• 用 Python/Go 将高频处置场景脚本化、工具化、平台化，进行人效提升 3；
客户与研发桥梁
• 面向客户技术层做透明化沟通，将复杂技术问题翻译成业务语言；
• 与内核、虚拟化、网络、存储研发共建方案，推动缺陷在 1-3 个版本内解决。

任职资格：

本科以上学历，5年及以上超大规模云资源池（≥10w 服务器）SRE/运维/研发经验；
技术深度（源码级/内核级/调度器级）满足以下至少两项：
• OpenStack Nova/Placement：资源调度、Filter/Weigher 二次开发、大规模调度性能优化；
• K8s & 容器：kube-scheduler、kubelet、CRI、cgroups v2、RuntimeClass、热升级；
• Linux Kernel：调度器 CFS/RT、内存管理 NUMA、KVM/QEMU 调优、live-migration、eBPF 排障；
• 虚拟化调度：CPU 拓扑透传、vCPU Pinning、超线程隔离、热迁移失败根因定位。
技术广度：对存储（Ceph/Rook/NVMe-oF）及网络加速（OVS-DPDK、SR-IOV、virtio-net）具备熟练定位与应急能力；
编码能力：Python/Go 至少一门可写出线上脚本/工具，熟悉 Git、CI/CD；