大模型存储运维开发工程师

优缺点分析

角色解读

• 技术专家路径：深耕存储系统与SRE工程，成为分布式存储或云原生基础设施领域的技术专家
• 架构师路径：深入理解存储产品架构，参与设计高可用、高性能的存储系统与运维体系
• AIOps专家路径：专注于运维智能化，主导AIOps平台建设，成为智能运维领域的负责人
• 作为存储SRE，你将负责腾讯云存储产品的稳定运行，处理从日常运维到突发故障的各类问题，保障7×24小时服务
• 你需要深入分布式存储内核，排查性能瓶颈与隐患，并主导构建自动化运维平台，用代码和工具提升效率
• 你将探索AIOps，尝试用机器学习和大模型技术改进告警、容量预测和故障分析，让运维更智能
• 必须精通Linux系统，对网络、内核、文件系统有深入理解，能解决底层复杂问题
• 需要扎实的分布式存储知识，并有对象存储、块存储等产品的实际运营或开发经验
• 必须具备编程能力（至少熟悉Python/Golang/Shell），能独立开发运维工具和平台
• 需要具备AIOps思维，了解机器学习基础，并对大模型在运维中的应用有认知或实践

申请策略

• 研究腾讯云存储产品（如COS、CBS）的技术博客和架构分享，了解其技术栈和挑战，在面试中展现你的兴趣和理解
• 准备好讲述一个你主导的、解决复杂线上问题的完整故事，突出你的分析思路、工具使用和协作过程
• 重点突出3-5年Linux运维或SRE经验，特别是处理过分布式存储相关故障或进行容量规划的案例
• 详细描述用Python/Golang/Shell开发的运维工具或自动化平台项目，量化其带来的效率提升
• 单独列出与AIOps相关的经验，如使用机器学习模型进行异常检测，或利用LLM处理日志的实践
• 系统复习分布式存储系统（如Ceph、GFS）原理和Linux内核关键机制，准备深度技术问答
• 提升Python/Golang工程能力，学习云原生可观测性工具（如Prometheus、Grafana）的实战应用
• 了解AIOps领域常用算法（如时序预测、异常检测）和大模型基础（如Prompt Engineering），以便在面试中展现前瞻性思考

面试指南

• 对于故障类问题，采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的分析逻辑和使用的技术工具
• 对于设计类问题，先明确核心目标（如高可用、可回滚），再分步骤阐述方案（如代码管理、构建、测试、部署、监控），并强调风险控制措施
• 对于前沿技术类问题，先阐述基本概念和原理，再结合JD中的场景（如告警降噪、容量预测）给出你的思路或实践经验
• 请介绍一个你处理过的最棘手的线上故障，你是如何定位、解决并防止其再次发生的？
• 你如何设计一个自动化部署和发布存储服务的流水线？需要考虑哪些关键风险点？
• 请描述你对SLI/SLO的理解，并举例说明如何用它们来驱动一个存储服务的优化
• 如果让你用机器学习来预测存储集群的容量趋势，你会如何设计这个方案？
• 你对大模型在运维领域的应用有哪些想法或实践经验？