【地瓜机器人】运维开发工程师

优缺点分析

角色解读

• 技术纵深：成为Kubernetes或容器网络专家，主导大规模集群架构设计
• 横向拓展：从运维开发向SRE或云原生架构师发展，覆盖更广泛的infra领域
• 管理方向：凭借owner意识和技术影响力，逐步带领团队，成为技术负责人
• 负责搭建和维护内部运维基础设施，包括自动化运维、配置管理、DNS、网关等，确保系统稳定高效
• 建设DevOps平台，结合AI技术（AIOps）优化研发流程，提升开发效率和交付质量
• 设计并落地微服务体系，包括服务发现、网关、治理等，支持多集群场景下的弹性扩展
• 精通Kubernetes及容器网络，熟悉CNI/CSI/IPAM等底层技术，具备集群管理经验
• 掌握CI/CD工具链（如Jenkins、GitLab CI）和DevOps生态（监控、配置中心、服务治理等）
• 具备编程能力（Python/Go）和IaC工具（Terraform、Ansible）使用经验，能推动自动化建设

申请策略

• 了解地平线业务场景（AI芯片、机器人），在面试中表达对infra与AI结合的兴趣
• 突出Kubernetes相关项目经验，如集群搭建、网络方案、多集群管理
• 强调DevOps平台建设经历，包括CI/CD流水线、监控告警、自动化运维等具体成果
• 展示AIOps或AI与运维结合的实践，体现技术前瞻性
• 深入学习Kubernetes网络插件（Calico、Flannel）和CNI原理
• 掌握一门编程语言（如Go）并熟悉Terraform、Ansible等IaC工具

面试指南

• 用STAR方法组织项目经验：情境、任务、行动、结果，突出技术选型和个人贡献
• 对于架构设计题，先明确需求边界，然后对比不同方案优劣，最后给出推荐方案
• 如何设计一个支持多集群的服务发现和流量治理方案？
• 请描述一次你主导的自动化运维或DevOps平台建设项目
• Kubernetes中Pod网络通信原理是什么？如何排障网络问题？
• 你对AIOps的理解？如何将AI引入研发流程？
• 复习Kubernetes核心组件、网络模型、调度原理，准备1-2个深度实践案例
• 了解公司产品和技术博客，提前思考如何优化其基础架构