库洛游戏
SUN-运维工程师
SUN-运维工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Go
Opentelemetry
Sre
云原生
游戏运维
阿里云/Aws
值不值得投
薪资怎么样
3.2万
比DevOps/SRE中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
56 个在招
市场机会
选择适中
广州 · DevOps/SRE · 23 个在招
职位详情
关于这个职位
作为库洛游戏的运维工程师（SRE），你将负责游戏业务线的技术保障工作，包括日常变更、容量规划、故障处理和重大活动护航，保障业务的稳定性与 SLA
岗位需要你维护云原生基础设施（K8s、Istio 等），搭建 Grafana、Prometheus、OpenTelemetry 监控体系，并通过自动化手段提升运维效率
最低要求
本科以上学历，计算机相关专业优先，3年以上SRE相关经验
熟悉一种或多种编程语言，例如Python/Go/Java等
有良好的计算、网络、存储、安全等计算机体系结构的知识
熟悉游戏或互联网技术架构，对TCP/IP、服务化架构、中间件等技术有较深入的理解
熟悉国内外常见云服务商（如阿里云、腾讯云、AWS、GCP 等）的产品体系，有实践经验
熟悉K8s、Istio、OK、OKG等云原生开源项目，有K8s集群生产运维经验优先
熟悉Grafana、Prometheus、OpenTelemetry等监控体系架构，有落地经验
熟悉Nginx、Mysql、Redis、Mongodb等常见软件的运作原理和配置方法，能排查故障
具备较强的逻辑分析以及沟通能力，良好的自驱力与责任心，主动推动相关事项落地，且有一定的质量要求
工作职责
负责游戏业务的技术保障工作，包括但不限于日常变更、容量规划、故障处理、重大活动保障
推动提升游戏业务的稳定性、可扩展性以及性能优化，保障业务SLA
积累SRE最佳实践，为业务架构设计与组件选型提供指导，输出标准技术文档
负责管理和维护基础设施，能够通过自动化提高运维效率
优先资格
加分项：
有百万级PCU项目运维经验
有游戏业务容器化改造经验，基于云原生保障游戏业务的全生命周期
AI 洞察
优缺点分析
优点
- 技术栈现代且完整，覆盖 K8s、Istio、OpenTelemetry 等主流云原生生态，技能可迁移性强
- 游戏业务场景对高并发、稳定性要求高，能积累百万级 PCU、重大活动保障等稀缺实战经验
- JD 明确提出沉淀最佳实践、参与架构设计与组件选型，技术话语权较大，不只做「救火」
- 有容器化改造与自动化建设的空间，适合喜欢用工程手段解决运维问题的人
- 技能面覆盖广（云平台、K8s、监控、中间件、网络），需要较宽的知识半径和快速排查能力
- 需要主动推动跨团队事项落地，对沟通协调与责任心要求不低
- 适合有 3 年以上运维/SRE 经验、熟悉云原生技术栈，且愿意在高并发游戏业务场景中承担稳定性责任、追求技术深度的工程师
缺点 / 挑战
- 需要承担故障处理与重大活动保障，节奏与压力随业务节点波动，对应急响应能力要求高
角色解读
- 从业务运维向 SRE/稳定性专家深挖，逐步主导容量与稳定性架构设计，成长为技术负责人
- 借助游戏高并发场景（百万级 PCU、容器化改造）积累稀缺的大流量系统经验，横向拓展至云原生平台或基础设施架构岗
- 若具备较强沟通与推动能力，后续可转向技术管理或跨团队的项目/平台负责人角色
- 负责游戏业务线的日常技术保障，包括变更发布、容量规划、故障应急与重大活动（如版本更新、大促节点）护航
- 持续提升业务稳定性、可扩展性与性能，围绕 SLA 制定指标并推动优化落地
- 维护并自动化管理底层基础设施，通过脚本与平台工具减少重复性运维工作
- 沉淀 SRE 最佳实践，参与业务架构设计与组件选型，输出标准化技术文档
- 扎实的计算机体系结构基础，理解网络（TCP/IP）、存储、中间件与常见服务化架构
- 云原生技术栈实操能力，熟悉 K8s、Istio 及 Prometheus、Grafana、OpenTelemetry 监控体系
- 至少一门编程语言（Python/Go/Java），能写自动化脚本与运维工具
- 熟悉主流云厂商（阿里云、腾讯云、AWS、GCP）产品体系，并能排查 Nginx、MySQL、Redis、MongoDB 等组件故障
申请策略
- 面试前了解库洛游戏的产品线（如《鸣潮》《战双帕弥什》）及版本更新、活动运营节奏，理解运维保障的关键节点
- 关注岗位对「主动推动」的强调，准备 1-2 个你主导推动跨团队改进并落地的案例
- 突出生产环境的 K8s 集群运维与容器化改造经验，写清规模（节点数、Pod 数、QPS/PCU 量级）
- 用具体数字量化稳定性成果，如故障恢复时长、SLA 达成率、告警收敛率、自动化节省的人天
- 列出云原生与监控技术栈的实战项目：Istio 服务治理、Prometheus/Grafana 监控体系搭建、OpenTelemetry 链路追踪落地
- 展示至少一门语言的工程能力（Python/Go），附上自研运维工具或平台的具体产出
- 提前补齐 K8s 生产运维的深度知识：调度、网络（CNI）、存储、故障演练与弹性伸缩
- 熟悉游戏业务特点（长连接、区服架构、活动峰值流量），准备相关的容量规划与压测方法论
面试指南
- 故障类问题用 STAR + 复盘结构：背景与影响面 → 发现与定位路径（指标/日志/链路）→ 止损动作 → 根因与长期改进措施
- 架构/方案类问题先讲目标与约束（SLA、流量模型、成本），再给分层方案（监控、容量、预案、演练），最后说明验证与度量方式
- 自动化类问题遵循「识别重复 → 抽象工具化 → 落地收益量化」的思路，用数据说明效率提升
- 请描述一次你处理过的线上重大故障，如何定位、止损和复盘？
- 游戏业务大版本更新或活动期间流量突增，你会如何做容量规划与保障方案？
- K8s 集群在生产环境中你遇到过哪些典型问题？如何排查和解决？
- 你会如何设计一套覆盖游戏业务的监控与告警体系，避免告警风暴？
- 如何用自动化手段替代高频重复的运维操作？请举例说明
Watch Jobs