小红书
【2027校招】可观测研发工程师
【2027校招】可观测研发工程师
发布于 35 分钟前实习/见习
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Ebpf
Go
Opentelemetry
云原生
分布式系统
可观测性
时序数据库
值不值得投
74综合评分
综合评分 74
技术前沿、成长性强、薪资有竞争力、生活化信息较少
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
23K
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
约 1330 个在招
市场机会
选择适中
北京 · DevOps/SRE · 38 个在招
职位详情
关于这个职位
作为小红书的校招可观测研发工程师，你将负责公司可观测体系的基础能力建设与架构设计
工作围绕Metrics、Logging、Tracing、Profiling四大支柱展开，涉及监控平台、全链路追踪、日志服务、AI Infra可观测等前沿技术，目标是保障高并发环境下的服务性能与稳定性，并探索AI与可观测性的结合
最低要求
本科及以上学历，计算机、软件工程等相关专业
精通Java、Go、Python语言中的一种，熟悉并发编程、分布式系统、性能优化等，有扎实的编程基础
熟悉云原生可观测性体系的相关产品及组件，包括不仅限于：OpenTelemetry、CAT、SkyWalking、Prometheus、VictoriaMetrics、ELK、ClickHouse、eBPF 等，了解 Kubernetes 基本原理并能运用
熟悉基础技术开源组件，如 Linux、网络、存储、MQ 等，深入了解细节，掌握实现原理优先
工作职责
负责可观测体系研发工作，围绕 Metrics、Logging、Tracing、Profiling 四大支柱，从全栈领域展开可观测基础能力建设
负责监控平台、全链路追踪、日志服务、计算引擎（流式分析、实时告警、时序检测等）、告警、eBPF 等可观测相关技术架构及产品设计
保障可观测相关基础服务，在高并发环境下的高性能、高可用，推动技术、产品持续优化迭代，支撑国内和海外可观测架构设计、数据合规、基建稳定性保障等工作
落地 AI Infra 可观测、AI 应用可观测、可观测 AI+ 等相关技术，提高 AI 场景稳定性以及传统可观测产品使用体验和效率
优先资格
熟悉和使用 AI 场景相关技术，包括不仅限于：PyTorch、Spring AI、Langfuse、OpenClaw 等
AI 洞察
优缺点分析
优点
- 技术栈前沿，能接触到可观测性、云原生、eBPF、AI Infra等当前最热门的基础设施技术
- 校招岗位，有系统化的培养计划，能快速建立对大型互联网公司技术体系的认知
- 直接参与AI与传统运维的交叉创新领域，具有潜在的技术影响力
- 可观测性涉及知识面广，需要从应用层、网络层到基础设施层都有较深理解，学习曲线较陡
- 需要同时支撑国内和海外业务，可能面临跨地域架构设计、数据合规等复杂问题
- 适合对基础架构、系统稳定性和云原生技术有强烈兴趣的计算机相关专业应届生
- 需要具备扎实的编程功底和自驱力，乐于钻研技术细节，并希望在AI与运维结合的前沿领域长期发展的求职者
缺点 / 挑战
- 小红书作为高流量平台，能提供处理高并发、海量数据的真实场景，技术挑战和成长空间大
- 作为校招新人，需要快速适应高强度的工作节奏和解决生产环境复杂问题的压力
角色解读
- 技术专家路线：深耕可观测性领域，成为该方向的技术专家或架构师，主导大规模系统的技术选型与优化
- 全栈/平台路线：从单一模块扩展到整个可观测平台，或横向发展，参与更底层的云原生基础设施建设
- AI+运维结合：专注于AI赋能运维（AIOps）方向，成为利用AI解决复杂系统问题的复合型人才
- 设计、开发和维护公司级的可观测性平台与基础设施，确保服务在高并发下的稳定性
- 深入使用和优化开源可观测组件（如OpenTelemetry, eBPF），并构建相应的监控、追踪、日志分析系统
- 探索和落地AI技术（如大模型、AI Agent）在可观测领域的应用，提升故障排查效率和系统智能化水平
- 参与保障国内和海外业务的数据合规与架构设计，需要处理复杂的分布式系统问题
- 扎实的编程能力（精通Java/Go/Python至少一种），熟悉并发编程、分布式系统原理
- 熟悉云原生技术栈，特别是Kubernetes和云原生可观测性工具链（Prometheus, SkyWalking等）
- 对Linux系统、网络、存储等底层技术有深入理解，能够深入排查性能问题
- 对可观测性领域有热情，了解eBPF等新兴技术，并对AI应用有好奇心和探索欲
申请策略
- 仔细阅读小红书关于可观测性的技术文章，在面试中展示你对他们技术栈的了解和思考，会极大加分
- 校招面试通常重视基础知识和潜力，在面试前复习好操作系统、网络、数据库和分布式系统的核心概念
- 准备1-2个能体现你问题排查能力或系统设计思维的课程设计或个人项目，即使是小项目也要讲清楚
- 突出在分布式系统、云原生、监控运维方面的项目经验或竞赛经历，即使规模不大也要体现思考深度
- 详细描述对OpenTelemetry、Prometheus、eBPF等至少一两个工具的实际使用或原理理解
- 如果有使用Python/Go/Java解决过实际性能问题或编写过基础组件（如简单链路追踪），务必重点展示
- 若有涉及AI（特别是MLOps、AI应用开发）的项目或课程经历，可作为加分项亮点呈现
- 系统性学习云原生可观测性体系，动手实践搭建一套完整的Prometheus+Grafana监控或ELK日志系统
面试指南
- 对于概念题（如可观测性），采用‘定义-重要性-实践/例子’的框架回答，先说明核心概念，再阐述其价值，最后结合工具或项目举例
- 对于经历类问题，采用STAR法则（情境-任务-行动-结果）结构化描述，重点突出你的技术决策和最终成效
- 对于设计/开放性问题，先明确需求和限制，然后提出分层架构设计（数据收集、传输、存储、展示），并讨论关键技术选型的权衡
- 你对‘可观测性’（Observability）的理解是什么？它和传统的‘监控’（Monitoring）有何区别？
- 请解释一下OpenTelemetry中的Traces、Metrics、Logs三者是如何关联的？
- 描述一个你使用过Prometheus/Grafana或类似工具排查性能问题的经历
- eBPF是什么？它在可观测性中可能有哪些应用场景？
- 如果让你设计一个简单的分布式链路追踪系统，你会考虑哪些核心问题？
职位点评
薪资福利68
成长发展92
工作生活50
使命价值78
薪资福利
68中等
作为校招岗位，薪资待遇应具有市场竞争力，但JD未明确薪酬福利细节，具体保障信息需面试确认。
薪资信号未披露（AI估算：18K-28K/月）
成长发展
92较高
岗位涉及云原生、eBPF、AI Infra等前沿技术领域，技术栈先进且有明确的AI结合方向，为校招生提供了极佳的技术成长平台。
技术前沿前沿/新兴技术
技术栈eBPF、OpenTelemetry、Kubernetes、AI Infra、可观测性
业务类型cost_center
工作生活
50较低
工作地点在一线城市核心区域，但JD未提及任何工作模式（如弹性办公、远程）或WLB相关信息，办公灵活性未知。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
78中等
可观测性是保障超大规模互联网应用稳定运行的关键基石，该岗位工作直接影响亿级用户的体验，行业前景广阔且技术影响力可见。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs