职位：站点可靠性工程师（SRE）_合同
必须具备的技能
• 熟悉 bash 脚本、Java、Python、React 或 Angular 的开发知识。
• 有 Elastic Search、Prometheus 的工作经验。
职位描述
• 维护基于开源的应用监控基础设施。如有必要，增强、优化并迁移到新解决方案。
• 支持应用团队迁移到最新的 Open Shift 版本，执行有状态/无状态应用的部署，并排查 Kubernetes/Open Shift 平台中的问题。
• 与应用开发人员合作，实施应用程序仪表库和框架。
• 使用 Prometheus 维护指标数据存储。进行管理和调优，如基数优化、资源优化。
• 维护分布式追踪基础设施，如 Otel、Jaeger、Zipkin 等。执行管理功能和调优，如采样策略。在微服务中排查分布式追踪问题。
• 执行企业日志平台的生产支持活动，如 ELK 堆栈、Grafana LGTM 堆栈。
• 实施警报基础设施，与 Pager Duty、MS Teams 及任何需要基于警报的缓解/行动的软件集成。协助应用支持团队定义企业业务应用的警报规则。
• 部署并管理可视化工具，如 Grafana/Elastic。创建可重用的仪表板模板，为整个用户群实施 RBAC。
• 在开发社区中推广和实施可观察性文化。协助他们识别黄金信号，为企业应用定义 SLI、SLO，计算错误预算、MTTD 和 MTTR。
• 在 Linux 虚拟机和 Kubernetes POD 中排查可观察性基础设施的问题，设置和保护反向代理，使用 TLS 保护所有应用端点，根据需求启用 MFA、LDAPS 和 OAuth。
• 为所有监控基础设施和服务配置 CI/CD 管道。修改和扩展现有管道，以适应多个环境/区域。 
