腾讯
云原生高级SRE工程师（深圳/北京）
云原生高级SRE工程师（深圳/北京）
发布于 2 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
Aiops
Go
Sre
Tke
可观测性
自动化运维
值不值得投
71综合评分
综合评分 71
核心云平台 SRE 岗位，技术栈现代、成长性强，需承担轮值与稳定性压力，薪资福利未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比DevOps/SRE中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2260 个在招 · 其中DevOps/SRE 13 个
市场机会
选择适中
深圳 · DevOps/SRE · 28 个在招
职位详情
关于这个职位
该职位负责腾讯云原生平台 TKE 集群及核心组件的稳定性建设，围绕 SLI/SLO、可观测性、容量与容灾治理、自动化运维工具研发和 AI 辅助运维开展工作，保障大规模 Kubernetes 平台可靠运行
最低要求
具备 Linux、计算机网络与分布式系统基础，能够系统分析 CPU、内存、I/O、网络及进程相关问题
熟悉 Kubernetes 架构与核心工作机制，具有生产环境集群运维、平台研发或故障排查经验
在控制面、调度、网络、存储、容器运行时中至少一个方向有深入实践
熟练掌握 Go、Python 等至少一种编程语言，具备代码阅读、调试与工程交付能力，能够独立开发可维护的运维工具或服务
理解高可用、故障隔离、容量管理和可观测性，能够结合指标、日志与链路信息提出假设、验证根因，并形成可落地的改进方案
具备生产环境风险意识，关注变更验证、回滚预案与数据安全
能在故障处理中清晰沟通、协作推进并跟踪闭环
对云原生技术和工程效率有持续学习意愿，愿意从具体问题出发沉淀工具、方法与知识，而非停留在重复处理表面现象
工作职责
保障云原生平台可靠性：负责 TKE 相关集群及核心组件的稳定性建设，完善 SLI/SLO、可观测性、容量评估与风险巡检体系，持续降低故障发生率与恢复时长
攻坚复杂生产问题：深入 Kubernetes 控制面、调度、容器运行时、网络、存储等关键链路，开展疑难问题定位、源码分析与性能优化，推动问题从应急恢复到根因修复闭环
推进容灾与变更治理：建设可用区级故障防护、备份恢复、容灾演练和安全变更能力，完善灰度、回滚、限流与熔断机制，降低故障影响范围
研发自动化运维能力：设计并开发集群生命周期管理、巡检、自愈、变更与诊断工具，推动运维流程标准化、平台化，减少重复性人工操作
探索 AI 辅助运维：结合告警、工单、日志与知识库建设辅助诊断能力，推动 Agent 在信息检索、分析与处置建议中的应用，并建立效果评估、权限控制和人工确认机制
推动跨团队问题闭环：协同研发、产品及技术支持团队，参与轮值、故障响应与复盘，将客户问题和共性故障转化为产品改进、治理专项及可复用知识
AI 洞察
优缺点分析
优点
- 技术栈聚焦云原生、Kubernetes、可观测性与 AIOps，和当前基础设施技术方向高度契合
- 岗位覆盖稳定性、容灾、自动化工具研发和复杂故障攻坚，能积累大规模生产系统经验
- 腾讯云 TKE 属于核心云平台场景，问题复杂度和工程规模较大，有利于形成方法论
- 跨研发、产品、技术支持协作，能提升全局架构视角和推动闭环的能力
- 需要参与轮值、故障响应与复盘，生产稳定性责任重，对应急处理和心理素质要求高
- Kubernetes 控制面、网络、存储等链路复杂，疑难问题定位需要较深的源码和系统功底
缺点 / 挑战
- 既要懂运维又要能写工具/服务，对工程交付和跨团队沟通能力要求较高
- 适合热爱云原生基础设施、愿意深入生产系统排障、能承担稳定性值班压力，并希望用自动化与 AI 工具提升平台效率的工程师
角色解读
- 可从高级 SRE 向云原生平台架构师、稳定性负责人方向发展，深耕 Kubernetes 与大规模平台治理
- 可横向拓展至 AIOps/平台工程/云产品研发，将运维经验转化为工具与产品能力
- 在核心云平台承担更大范围稳定性与容灾体系设计后，有机会进入技术管理或专家路线
- 负责 TKE 相关 Kubernetes 集群及核心组件的稳定性建设，完善 SLI/SLO、可观测性、容量评估与风险巡检
- 深入控制面、调度、容器运行时、网络和存储链路，定位并修复复杂生产问题
- 建设容灾、备份恢复、灰度回滚、限流熔断等变更治理能力，降低故障影响
- 研发集群生命周期管理、巡检、自愈、诊断工具，并探索 AI 辅助运维与 Agent 应用
- 扎实的 Linux、计算机网络和分布式系统基础，能系统分析 CPU、内存、I/O、网络与进程问题
- 熟悉 Kubernetes 架构与核心机制，至少在一个核心方向有生产环境深入实践
- 熟练使用 Go 或 Python，具备独立开发可维护运维工具/服务的能力
- 理解高可用、故障隔离、容量管理和可观测性，具备根因分析与跨团队闭环能力
申请策略
- 关注腾讯云 TKE 的产品形态和典型故障场景，理解岗位面向的客户与业务规模
- 面试中主动说明对轮值、故障响应和跨团队协作的接受度，并准备真实复盘案例
- 突出 Kubernetes 生产环境运维/平台研发经验，写明集群规模、核心组件和负责的稳定性指标
- 用案例量化故障排查、性能优化、容灾演练或变更治理的成果，如故障率、恢复时长、容量利用率等改善
- 展示 Go/Python 开发的运维工具、控制器、巡检或自愈平台，说明设计思路和落地效果
- 如有可观测性体系、SLI/SLO 建设或 AIOps/Agent 实践，建议单独列出
- 系统复习 Kubernetes 控制面、调度、网络、存储和容器运行时原理，准备源码级排障案例
- 强化 Go/Python 工程能力，提前准备一个可维护的运维工具或平台项目
面试指南
- 用 STAR 结构讲清背景、现象、假设、验证、根因、修复和后续治理，突出数据与闭环
- 面对系统设计题，先明确目标和约束，再分层讲可观测性、容量、变更、容灾和自动化
- 对技术深挖题，先讲原理和关键链路，再结合生产案例说明取舍与踩坑
- 请介绍一次你排查 Kubernetes 生产环境疑难问题的完整过程，如何定位根因并闭环？
- 如何为一个大规模 Kubernetes 集群设计 SLI/SLO、可观测性和容量评估体系？
- 控制面、调度、网络、存储或容器运行时中，你最熟悉哪个方向？请深入讲原理和实践
- 如何设计可用区级容灾、备份恢复和灰度回滚机制？
- 你如何理解 AI 辅助运维/Agent 在告警诊断中的边界、权限控制和效果评估？
职位点评
薪资福利65
成长发展88
工作生活55
使命价值72
薪资福利
65中等
JD 未披露薪资与福利信息，补偿性动机无法直接判断；职位位于一线城市核心云平台，但需以 HR 沟通为准。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
88较高
岗位深度覆盖 Kubernetes、稳定性治理、自动化工具和 AI 辅助运维，技术成长与平台工程经验积累空间较大。
技术前沿主流现代技术
技术栈Kubernetes、TKE、Go、Python、SLI/SLO、可观测性、容器运行时、AIOps、Agent
业务类型ambiguous
工作生活
55较低
JD 未明确办公模式与作息，但岗位包含轮值、故障响应和复杂生产问题攻坚，生活节奏可能受稳定性值班影响。
工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词
使命价值
72中等
云原生与 AIOps 属于基础设施现代化方向，岗位对平台可靠性和工程效率有明确价值，但 JD 未直接体现社会使命。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
腾讯 的其他在招职位
相似职位推荐
Watch Jobs