面議(經常性薪資達4萬元或以上) 台北市內湖區 5年工作經驗 今天剛更新
職位定位
負責服務可靠性與可觀測性體系的規劃、建置及持續改善,透過 Metrics、Logs、Traces與Profiling掌握應用系統健康狀態,提升故障偵測、問題定位及效能診斷能力。
主導 SLI/SLO、告警治理、重大事故應變、容量規劃及High Availability與Disaster Recovery設計,並透過自動化與跨團隊協作,降低重複性維運工作及服務中斷風險。
主要工作內容
可觀測性與告警管理: 主導可觀測性架構規劃、工具選型與整合,建立資料收集、查詢與分析體系;與開發團隊共同定義服務健康度及使用者體驗指標;制定告警分級、通知、升級與降噪策略,提升告警的可行動性。
事故應變與根因分析: 主導重大事故應變,整合應用、資料庫、網路及基礎設施資訊進行故障分析;主持 RCA 與事後檢討,追蹤改善措施落實,持續縮短故障偵測與服務恢復時間。
容量規劃與效能優化: 制定容量規劃與負載測試策略,透過效能分析識別系統瓶頸,與開發團隊共同改善系統效能及資源使用效率。
備份還原與災難復原: 依業務需求制定復原目標,規劃備份還原及災難復原機制,並定期推動復原演練。
維運自動化與 AI 應用: 開發自動偵測、故障處理及變更作業自動化工具,降低重複性人工作業;評估 AI Agent、LLM 與維運知識庫於告警分析及故障診斷的應用,並建立權限控管與審核機制,確保自動化流程安全可控。
可靠性規範與跨團隊推動: 建立可靠性工程規範、SOP 與技術文件;與開發及 DevOps 團隊協作,將監控、部署驗證與可靠性檢查納入交付及變更流程;指導團隊成員並推動跨團隊改善。
任職條件
• 5 年以上 SRE、DevOps、系統維運或應用效能工程相關經驗,具正式環境服務可靠性改善實務。
• 具可觀測性平台的架構規劃、建置與調校經驗,熟悉 Observability tools。
• 深入理解 Metrics、Logs、Traces 的用途與關聯方式,能運用監控及追蹤資料完成跨服務故障定位與效能分析。
• 熟悉監控資料的標籤與數據管理、保留策略、追蹤取樣及儲存成本控制。
• 具 SLI/SLO、告警治理、重大事故處理及 RCA 實務經驗,能將分析結果轉化為可追蹤的改善措施。
• 熟悉 Linux、網路協定及負載平衡,及系統、資料庫與網路問題分析能力。
• 熟悉任一程式語言,能獨立開發維運工具、API 整合或自動化流程。
• 具 Git 版本控制及基本部署、組態管理與變更處理經驗。
• 具容量規劃、效能測試、災難復原之經驗。
• 具跨團隊溝通與技術帶領能力,能釐清需求、評估技術取捨並推動改善落地。
加分條件
• 具 Kubernetes 平台維運與架構設計經驗,熟悉 OpenShift、RKE2、GKE 或其他 Kubernetes 發行版與託管服務。
• 具 OpenTelemetry Collector、APM 深度整合、Continuous Profiling 或可觀測性平台規模化治理經驗。
• 具 AI Agent、RAG 或 MCP 整合於維運診斷、SOP自動化的實務經驗。
• 具 MLOps、LLMOps、AgentOps 或 AIOps 工具使用經驗。
• 具 Terraform、Ansible、Helm 或 GitOps 實務經驗。
• 具 AWS、Azure 或 GCP 維運、架構設計與成本治理經驗。
• 具使用AI工具輔助維運的實務經驗,例如日誌分析、故障排查、告警判讀、維運腳本生成或知識庫查詢。
展開