面向企業(yè)級全球網絡基礎設施環(huán)境，負責可觀測性平臺（Monitoring / Alerting / Logging）的工程化建設與運營，聚焦穩(wěn)定性與可運營性目標，通過告警治理、日志平臺能力建設、可靠性工程（SRE/NRE）與工程化交付（IaC/GitOps/CI-CD）提升故障發(fā)現與定位效率、降低告警噪聲、提升變更質量與可追溯性。
崗位職責1）企業(yè)網絡可觀測性體系（Observability Engineering）
- 建設并維護覆蓋全球節(jié)點/網絡資源的生產級監(jiān)控體系，打通從網絡設備/鏈路到系統(tǒng)與服務的關鍵指標采集、展示與告警運營。
- 基于 Prometheus、Zabbix、Grafana 等工具，設計網絡側與系統(tǒng)側指標體系與 Dashboard（可用性、時延/抖動/丟包、鏈路質量、設備資源、會話/連接、接口錯誤、路由鄰居狀態(tài)等）。
- 推動“可觀測性工程化”：監(jiān)控采集配置、告警規(guī)則、Dashboard 模板化/參數化與版本化管理（Observability as Code），支撐多地域/多環(huán)境快速復用與一致性。
2）大規(guī)模日志平臺（ES/OpenSearch）建設與治理（Log Platform Engineering）
- 負責分布式日志平臺架構設計與運維，基于 Elasticsearch / OpenSearch 建設統(tǒng)一的日志采集、索引、檢索與權限治理能力，支撐網絡運營分析與故障定位。
- 面向海量網絡與系統(tǒng)日志（設備/防火墻/VPN/認證/DNS 等），持續(xù)優(yōu)化：
- 集群容量與成本治理（資源水位、擴縮容策略、冷熱分層/生命周期管理）
- 查詢與寫入性能（索引設計、分片策略、Mapping、查詢優(yōu)化）
- 穩(wěn)定性保障（變更驗證、故障恢復、風險控制）
- 建立日志數據治理規(guī)范：字段標準、采集規(guī)范、索引命名與生命周期策略、權限與審計策略（如適用），提升日志“可用性、可檢索性與可運營性”。
3）告警治理（Alert Quality & Alert Operations）
- 構建可運營的告警體系：告警分級、路由、升級、靜默/抑制、去重/聚合策略，持續(xù)降低誤報與重復告警，提升告警命中率與響應效率。
- 建立告警運營機制：告警質量度量、原因分類與趨勢分析，推動從“被動響應”到“體系化治理”。
- 參與/主導重大事件響應（Incident Response），推動 RCA/Postmortem 復盤與行動項閉環(huán)，減少重復性故障，提升系統(tǒng)性可靠性。
4）可靠性工程與變更治理（SRE/NRE Practices）
- 建立并推動穩(wěn)定性目標與度量（如 SLI/SLO、MTTR、告警有效性、變更失敗率、平臺可用性等），形成穩(wěn)定性治理閉環(huán)。
- 推動變更風險控制：關鍵變更可追溯、可審計、可回滾；變更前驗證、變更后核驗與回歸；減少人為失誤造成的事故。
5）工程化交付（IaC / GitOps / CI/CD）
- 推動網絡與平臺相關配置、可觀測性配置（采集/告警/看板）與關鍵基礎設施能力“代碼化、版本化、可審計、可回滾”（IaC/GitOps 思維）。
- 與 CI/CD 或作業(yè)編排平臺結合，將配置變更納入流水線：Lint/校驗、Review、審批、灰度、回滾、驗證等質量門禁。
- 建設可復用工程資產：腳本庫、Ansible Role、Terraform Module、標準模板與最佳實踐，提升交付效率與一致性。
任職要求1）企業(yè)網絡運維與排障能力（核心）
- 具備企業(yè)網絡/基礎設施運維經驗，理解常見企業(yè)網絡架構與運營方式（園區(qū)網/數據中心網絡/WAN/分支互聯/多地域網絡等）。
- 扎實掌握 TCP/IP、路由與交換基礎，具備系統(tǒng)化排障能力；理解常見網絡機制與協議（VLAN、OSPF/BGP（任一）、NAT、ACL、鏈路冗余、QoS 等）。
- 熟悉企業(yè)網絡安全與邊界基礎：防火墻策略、VPN（IPSec/SSL 任一）、訪問控制與審計意識；具備跨團隊協作定位能力。
- 有主流網絡設備/安全設備運維經驗者優(yōu)先（品牌不限）：Cisco/Juniper/Huawei/H3C/Arista、Fortinet/Palo Alto 等。
2）日志平臺深度能力
- 精通 Elasticsearch 或 OpenSearch：獨立部署、擴縮容、集群調優(yōu)、索引與生命周期管理、穩(wěn)定性保障能力扎實。
- 能解決大規(guī)模分布式場景性能問題：寫入吞吐、查詢延遲、分片策略、Mapping、資源水位與熱點、集群不穩(wěn)定等。
- 熟悉網絡運營常見日志鏈路者優(yōu)先：Syslog、設備日志/防火墻日志/VPN/認證日志/DNS 日志等（不要求全會）。
3）監(jiān)控與告警體系能力（Observability & Alerting）
- 熟練使用 Prometheus/Grafana/Zabbix 等監(jiān)控體系，能夠設計指標體系、Dashboard 與告警策略，支撐復雜企業(yè)網絡環(huán)境的監(jiān)測與運營。
- 具備告警治理實戰(zhàn)經驗：分級/路由/升級/抑制/靜默/聚合/去重；能夠通過數據分析持續(xù)提升告警質量與響應效率。
4）自動化與工程能力
- 精通 Ansible 配置管理；熟練使用 Python 或 Shell 編寫高質量自動化腳本（結構化、可維護、冪等、日志與異常處理完善）。
- 具備將運維工作工程化/產品化的能力：可復用模塊、規(guī)范化輸出、版本管理與文檔沉淀；有平臺化交付經驗者優(yōu)先。
5）IaC / GitOps / CI/CD（思維必備，工具優(yōu)先）
- 具備 IaC / GitOps 思維：配置/規(guī)則/基礎設施版本化、PR/Review、變更審計、可回滾與可追溯。
- 熟悉 Terraform 者優(yōu)先：可編寫復用模塊，理解狀態(tài)管理與變更風險控制。
- 熟悉 CI/CD（GitLab CI/Jenkins/Argo 等同類）者優(yōu)先：能將運維交付納入流水線與質量門禁。
6）綜合素質
- 強責任心、主動性與結果導向；能在復雜跨域問題中獨立推進閉環(huán)；溝通協作能力強，能推動標準與治理落地。
SLA要求
- 告警治理：持續(xù)降低誤報與重復告警，提升告警命中率與響應效率，提升跨團隊事件協同與處置效率。
- 故障定位效率：通過“指標 + 日志”的聯合分析縮短定位鏈路與 MTTR，提升重大事件處置質量與復盤閉環(huán)落地率。
- 日志平臺價值交付：提升日志可用性與可檢索性（字段規(guī)范、索引策略、生命周期治理），優(yōu)化查詢性能與穩(wěn)定性，支撐網絡運營分析與 RCA（可追溯、可復盤）。
- 工程化交付：關鍵配置與可觀測性資產實現版本化與審計閉環(huán)，降低變更失敗率與人為誤操作風險，提升交付一致性與可回滾能力。