岗位描述 负责阿里集团、阿里云可观测平台建设，打造日增百PB级数据的实时数据分析平台。 通过实时采集、数据建模等技术，实时处理来自千万设备的海量可观测数据，并进行智能分析与洞察。加入该岗位，您将有机会在国内超大规模的可观测平台上，构建面向各类AI应用场景的 AIOps 平台，打造新一代的 AI 基础设施。 1. 参与阿里云云监控数据链路建设，打造日吞吐PB级的高性能实时计算平台。负责海量监控指标与告警的采集、清洗、聚合与存储，保障秒级报警延迟与高可用性； 2. 深度参与云监控2.0战略落地，构建指标、日志、链路深度融合的统一可观测数据底座。打破数据孤岛，设计基于 UModel 的资源关联建模，实现从基础设施到应用层的全链路诊断能力； 3. 结合 AI/LLM 能力，研发新一代智能报警与根因分析引擎。针对 AI 训练集群等新场景，提供特定优化的监控解决方案，实现从“被动告警”到“主动预防”的跨越； 4. 负责云监控采集探针（Agent）及云产品接入层的建设。拥抱开源生态，支持 Prometheus、OpenTelemetry 等标准协议的无缝接入，打造多元、兼容的监控生态体系，，让云上百万企业能够零门槛接入并监控异构环境。

岗位要求 1. 扎实的算法基础和良好的编码习惯，精通 Go、Python、Java、C++、Rust 中任何一门语言； 2. 熟悉异步IO、内存管理、多线程同步等技术，有Linux内核研究经验更佳； 3. 有分布式系统，包括调度、分布式锁、负载均衡等经验更佳； 4. 对技术有强烈的进取心，有较强的学习能力，保持对前沿技术的关注和学习； 5. 具有良好的沟通能力和团队合作精神、优秀的问题分析和解决能力。 6. 熟悉LLM、Prompt 设计、Agent 框架（如 LangGraph、Dify、AutoGen、Google ADK、工具链集成等）者优先。 7. 对 OpenTelemetry、Neo4j、Skywalking、Datadog、Sentry、Clickhouse 源代码有深入研究者优先。 8. 深入理解分布式系统原理，熟悉分布式存储、消息队列（Kafka/RocketMQ）、流式计算（Flink/Spark）等技术。有时序数据库研发或使用经验者优先。 9. 熟悉 AWS CloudWatch, Datadog, Prometheus, Zabbix, OpenTelemetry 等监控系统架构者优先。 10. 熟悉 LLM Agent 开发，以及有 AIOps 在运维场景落地经验者优先。