站点可靠性工程师（SRE）

岗位职责

• 负责运行于 GCP 上的关键任务级活动治理与合规平台的生产稳定性、系统健康和可观测性
• 使用 GCP Cloud Logging、Cloud Monitoring、Error Reporting、Prometheus、PromQL 以及合适的服务级别指标和目标，定义并推进可观测性策略
• 主导事件响应、事后复盘和端到端根因分析，与 EMEA 工程团队合作实现永久性修复
• 诊断并解决跨应用、数据库、基础设施和网络层的复杂、间歇性和高优先级事件
• 在现有 Python 生产代码库中直接阅读、调试并实施小型修复和补丁
• 监控执行流、性能、数据刷新、自动化检查和周期性合规报告，确保系统可靠运行
• 识别手动支持活动的自动化机会，开发并维护运维手册（runbook），减少运营负担