1.负责zabbix监控平台规划、重新搭建及以维护；
2.专门负责监控头需求的整理设计及基于；
3.负责对现场问题进行跟踪分析和报告，带动问题马上比较合理的解决，提出改进要求并评估设计改进方案；
4.听从公司的实施规范接受方案整理好，模板标准化；
5.其余上级交办的工作内容。
按照目前招聘网站上的具体职位而言，学习人工智能未来是可以从事100元以内岗位：
算法工程师：接受人工智能咨询前沿算法的研究，以及机器学习、知识应用、智能决策等技术的应用。
智能机器人研发工程师：研发方向要注意畜牧兽医相关专业机器人控制系统开发，高精度器件的设计研发等。
ai硬件专家：ai领域内另一种日臻增长的蓝领工作是负责创建ai硬件(如gpu芯片)的工业操作工作。
人工智能运维工程师：大数据与ai产品咨询运营、运维产品研发；相关组件的运维工具系统的开发与建设；可以提供大数据与ai云产品客户支持。
程序开发工程师：一方面程序开发工程师需要完成算法实现，另一方面程序开发工程师必须能够完成项目的落地。但是，现在人工智能还处在弱人工智能状态，并且高速发展，未来会又出现什么呢岗位还犹未不妨设。
高新刚
“民间式运维工作要扭头运营式运维”
我的观点要注意是围绕悠久的传统运维和运营运维的对比思考。
观点一：从传统运维到云原生运维是三个持续迭代、快速进化的过程。我们的运维从传统的手动日常运维到脚本化、devops、再到现在的数据化和aiops，整个过程是不断发展演进、持续提升的。
传统运维是从查哈代码构建、应用测试、集成部署可以实行、线上性能故障处理，再到后期的集群容量翻倍、缩容的所有的环节的角色。而在云原生时代，我们的运维流程则十分标准、又高效，在自动化、智能化的程度上比传统运维要高。研发以微服务的架构形式去开发应用功能，以魔防的去成功减弱的交付和板载显卡。到了后期，运维和研发和生产也可以的，去利用协同的一体化。最后，我们绝大部分的应用都能跑在容器上面。
观点二：从传统运维到云原生运维，这座运维技术栈不可能发生了很多变化。以前我们是向大操作系统和多种组件工具的运维。而现在我们是需要转型和聚焦到统一的、走向云原生的、以k8s为通用的云资源控制层面的自动化运维。
以往的现代运维，我们打听一下的是操作系统、存储、网络、数据库以及某些中间件等方面的技术栈。而云原生技术运维，基本上是以dorckerun或podman的命令一键式地重新部署和运行；后再由k8s指导我们帮忙解决容器调度的问题；到最后实际servicemesh，让云原生应用运行下来，它是这个云原生应用的载体。
观点三：运维重心可是需要转移，核心能力依然是稳定性、安全性和容灾能力的保障防护与应急处理。
云基础资源提供给了资源的容灾能力和扩展能力，运维重心偏向以应用为中心，业务指标可视化和应用链路分析什么。服务网格这个可以指导运维，实现方法服务去注册、才发现和负载均衡，分布式追踪，认证授权许可，加密模式通信和审计，在内多服务版本，重点段落服务等特性。
.jpg)
.jpg)
.jpg)
.jpg)
