关于此职位
Mercor 将杰出的技术人才与致力于雄心勃勃的技术和 AI 计划的领先机构联系起来。我们正在寻找经验丰富的基础设施 / 站点可靠性工程师（SRE），加入一项专注于构建和运营复杂的企业级基础设施的全职合作。我们寻找的工程师需要具备构建、运营、调试和扩展复杂生产系统的扎实一线经验。理想的候选人曾广泛使用 Kubernetes、AWS、Datadog 等可观测性平台以及现代基础设施工具。
这是一个全职机会，候选人必须能够全职投入。
您将做什么
- 构建、运营并改进高可用且可扩展的生产基础设施。
- 管理并优化基于 Kubernetes 的生产环境。
- 设计并维护云基础设施，主要基于 AWS。
- 提升系统的可靠性、可用性、可扩展性和运营效率。
- 使用 Datadog 或类似平台，构建并维护覆盖基础设施和应用的可观测性。
- 调查生产事故，进行根因分析，并实施持久的修复。
- 改进监控、告警、日志、链路追踪以及整体生产可见性。
- 开发自动化和内部工具，以减少手动运维工作。
- 在部署、基础设施和生产可靠性方面与软件工程团队密切合作。
- 为复杂分布式系统的基础设施架构和技术决策做出贡献。
理想背景
- 具有基础设施工程、站点可靠性工程（SRE）、平台工程、DevOps 或生产工程方面的专业经验。
- 具有运营复杂的企业级生产系统的一线经验。
- 具有扎实的 Kubernetes 生产环境经验。
- 具有扎实的 AWS 和云原生基础设施经验。
- 具有 Datadog、Prometheus、Grafana 或同类可观测性平台的使用经验。
- 具有使用 Terraform、Pulumi 或同等技术的基础设施即代码（Infrastructure as Code）经验。
- 深入理解分布式系统、网络、容器、Linux 和云架构。
- 具有构建或维护 CI/CD 及生产部署基础设施的经验。
- 具备出色的调试、故障排查和事故响应能力。
- 熟练掌握至少一种编程或脚本语言，例如 Python、Go 或 Bash。
突出优势
- 具有在大规模生产环境中运营 Kubernetes 和云基础设施的经验。
- 具有支持高流量或任务关键型应用的经验。
- 具有构建供大型工程组织使用的基础设施或平台工具的经验。
- 曾负责生产可靠性、值班运维、事故响应或容量规划。
- 具有在复杂的大规模分布式系统中工作的经验。
- 在 SLO/SLI、可观测性、部署可靠性、基础设施性能或运营效率方面有可证明的改进成果。
为什么加入
- 解决企业级生产系统中具有挑战性的可靠性、可扩展性和性能问题。
- 广泛使用 Kubernetes、AWS、Datadog、Terraform/Pulumi 以及现代云原生工具等技术。
- 对生产可靠性、可观测性、基础设施架构和运维改进承担切实的责任。
- 具有竞争力的时薪，体现您的经验和技术专长。
- 加入一个由高技能工程师组成的网络，与领先的技术和 AI 机构一起参与雄心勃勃的项目。