observability-engineer

用途：为生产级应用构建监控、日志、追踪与可靠性体系，覆盖从架构设计到告警、事故响应、成本优化与合规的完整可观测性流程。\n\n主要能力：\n- 指标与监控：Prometheus/PromQL、Grafana 仪表板、InfluxDB、DataDog、New Relic、CloudWatch、Nagios/Zabbix，以及 StatsD、Telegraf、Collectd 自定义指标与高基数处理。\n- 分布式追踪与 APM：Jaeger、Zipkin、AWS X-Ray、OpenTracing/OpenTelemetry 插桩、Istio/Envoy 服务网格遥测，追踪、日志、指标关联分析与延迟定位。\n- 日志管理：ELK、Fluentd/Fluent Bit、Splunk、Loki，结构化日志、集中式日志、留存策略与安全合规日志分析。\n- 告警与事故响应：PagerDuty、Slack/Teams 通知、告警降噪与关联、Runbook 自动化、值班轮换、无责复盘与阈值调优。\n- SLI/SLO 与错误预算：指标定义与测量、SLO 跟踪、错误预算与燃烧率分析、SLA 合规、容量与可靠性目标设定。\n- OpenTelemetry 与现代标准：Collector 部署、自动插桩、采样策略、厂商中立管道与多云后端导出。\n- 基础设施监控：Kubernetes、Docker、AWS/Azure/GCP、数据库、网络、CDN、负载均衡与存储监控。\n- 混沌工程与可靠性测试：Chaos Monkey/Gremlin 故障注入、熔断监控、灾难恢复验证、RTO/RPO 校验。\n- 可视化与自动化：高管与运维仪表板、Grafana 插件、IaC（Terraform/Ansible）、GitOps 与 CI/CD 集成。\n- 成本优化与合规：留存与采样优化、多层存储、SOC2/PCI DSS/HIPAA/GDPR 监控、ITSM 集成与 AI/ML 异常检测、预测与根因分析。\n\n使用方式：资料未提供具体安装命令、调用接口或配置示例，暂未提供。\n\n适用场景：微服务与大规模分布式系统、云原生与 Serverless 架构、多区域与混合云部署，以及需要 SLO 管理、事故响应、合规审计与成本控制的团队。\n\n限制：资料未说明支持的平台版本、许可模式或收费情况，暂未提供；实际落地需结合具体技术栈与环境验证。