SRE运维工程师（Kubernetes / 云原生方向）

负责大规模K8S集群的稳定性与生命周期管理，包括集群架构治理、版本升级、组件维护、参数变更、容量规划及日常巡检；

负责K8S集群资源治理与成本优化，建设资源使用率、资源浪费、集群容量等可观测体系，持续优化资源配额、节点利用率及弹性扩缩能力；

负责K8S集群及节点安全治理，包括 CIS Benchmark、节点及 kubelet 安全基线、NetworkPolicy、访问控制、堡垒机联动及运维审计等；

建设集群监控告警、日志、链路追踪及故障自愈体系，负责故障应急 Runbook、SOP 文档编写，主导故障演练；

推动容器化、自动化运维及云原生技术在业务中的落地，持续提升平台标准化、自动化和交付效率。

本科及以上学历，3年以上大规模 K8S 集群运维经验；

熟悉至少一种主流公有云/私有云，包括但不限于Aliyun/腾讯云/AWS/GCP；

深入理解K8S核心架构及主要组件，熟悉 API Server、Scheduler、Controller Manager、etcd、kubelet、CRI/CNI/CSI 等核心机制，具备容器网络、存储、资源调度及安全治理经验；

熟悉 Helm、Kustomize、Terraform、Ansible、GitLab CI/CD、Argo CD 等一种或多种云原生自动化及 IaC 工具；

有丰富的生产环境故障排查和性能调优经验，能够快速定位和解决问题；

熟悉 Linux 系统管理，包括性能调优、内核参数、systemd、网络栈；

熟练使用 Shell，具备 Go 或 Python 等语言的开发能力；

具有高度的责任感和主动性，能够与业务方、开发团队紧密合作，推动项目顺利进行.

有多云/混合云、大规模 Kubernetes、Argo CD、Operator 或成本治理经验者优先；

有大规模 K8s 集群运维实战经验（5000节点以上）经验者优先；

有 GPU / AI Infra 集群运维经验者优先，熟悉 NVIDIA Driver、DCGM、GPU Operator、Network Operator 等生态者优先；

有 AIOps / AI Agent 在监控告警、故障分析、Runbook 自动化、运维效率提升等场景的落地经验.