锦鲤求职岗位描述
岗位职责
负责 SDN / 虚拟网络系统的生产稳定性，覆盖分布式控制面、主机数据面及可编程交换机相关组件，建立并持续改进可靠性目标和运行标准。
参与生产值班并主导复杂故障处理，结合系统状态、日志、指标和网络流量定位问题，推动故障恢复、根因分析及改进措施闭环。
建设和优化监控告警体系，覆盖服务可用性、控制面状态收敛、数据面连通性与性能，提升故障发现效率并减少无效告警。
系统性识别稳定性隐患，推动容量管理、故障隔离、过载保护、容灾恢复及故障演练，与研发团队共同解决架构和实现中的可靠性问题。
推动 AI 运维体系建设，将知识库、监控数据、诊断工具和 Ansible 执行流程连接起来，逐步实现告警分析、辅助排障和受控的自动化处置，并建立效果评估、权限控制及审计机制。
任职要求
具备生产环境 SRE、基础设施运维或平台工程经验，能够独立负责关键系统的稳定性，并有处理复杂生产故障的实际经历。
熟悉 Linux 系统及其网络栈，能够分析 CPU、内存、磁盘、网络和进程层面的性能与可靠性问题。
熟悉 TCP/IP、路由、交换、封装隧道及虚拟网络基本原理，能够结合抓包、系统工具和监控数据开展端到端网络排障。
理解分布式系统的常见机制和故障模式，包括高可用、状态同步、一致性、超时重试、依赖故障及过载，能够分析控制面异常对业务的影响。
有 Ansible 生产实践，能够设计和维护 Playbook，并处理常见问题例如幂等性、失败恢复和执行结果验证等。
加分项
有大规模 SDN、云网络、虚拟化网络或 Kubernetes 网络的建设与运维经验。
熟悉 eBPF、OVS、P4 或可编程交换机中的一项或多项，有相关开发、调试或生产排障经验。
有故障注入、容量建模、大规模集群升级或跨故障域容灾实践。
有 AI 辅助运维、Agent、RAG、工具调用或自动化诊断经验，能够评估实际效果。