Betfair Romania Development je technologické centrum společnosti Flutter Entertainment v Kluži-Napoce, které sdružuje více než 1 900 lidí podporujících některé globální sázkové a herní značky skupiny. Týmy společnosti se věnují vývoji softwaru, online hraní a zákaznické podpoře pro produkty, jako jsou Betfair, PokerStars a Paddy Power, a obsluhují zákazníky na trzích po celém světě. Společnost se zaměřuje na vytváření poutavých zážitků ze sportovního a kasinového sázení, přičemž bezpečnost je pro ni zásadní.
Senior inženýr spolehlivosti, Rumunsko (na dálku)
Zvyšujte spolehlivost sportovní technologické platformy FanDuel pomocí SLO, observability, analýzy incidentů a automatizace. Spolupracujte s aplikačními a platformovými týmy v Kluži-Napoce.
Popis
- Spolupracovat s aplikačními a platformovými týmy na mapování architektury služeb, závislostí, kritických zákaznických cest a rizik spolehlivosti
- Stanovovat smysluplné SLI a SLO, které propojují výkon služeb s výsledky pro zákazníky a firmu
- Pomáhat týmům zavádět rozpočty chyb a využívat data o spolehlivosti k určování inženýrských priorit
- Posuzovat připravenost služeb na produkční provoz z hlediska observability, upozornění, SLO, runbooků, závislostí, kapacity a obnovy
- Používat hodnocení vyspělosti spolehlivosti a skórovací karty k zaměření zlepšení tam, kde budou mít největší dopad
- Účastnit se reakce na incidenty a diagnostikovat složité produkční problémy pomocí logů, metrik, tras, závislostí a údajů o nasazení
- Analyzovat incidenty a opakující se provozní problémy s cílem odhalovat systémová rizika a trvalá řešení
- Posilovat runbooky, upozornění, eskalační postupy a každodenní provozní postupy
- Vytvářet automatizaci a samoobslužné nástroje, které snižují rutinní zátěž inženýrů
- Vyvíjet nástroje pro procesy spolehlivosti, provozní připravenost, vyšetřování a nápravu problémů
- Spolupracovat s týmem Observability Engineering na zavedení telemetrie potřebné pro měření spolehlivosti a řešení problémů
- Proměňovat testování výkonu, analýzu kapacity, Gameday, chaos experimenty a cvičení přepnutí na záložní systém v konkrétní zlepšení spolehlivosti
- Pomáhat s přípravou na špičkové události vyhodnocováním stavu služeb, SLO, závislostí, kapacitních rizik a zjištění týkajících se spolehlivosti
- Zvyšovat odolnost kritických zákaznických cest prostřednictvím monitoringu, analýzy závislostí, zpracování selhání a postupů obnovy
- Přispívat ke standardům, vzorům, dokumentaci a opakovaně použitelným referenčním postupům pro Reliability Engineering
- Začleňovat postupy spolehlivosti do CI/CD a pracovních procesů vývojářů pomocí SLO-as-Code, validace telemetrie, kontrol připravenosti na produkci a automatizovaných kontrol
- Využívat vyšetřování a automatizaci podporované AI ke zrychlení řešení problémů a omezení manuální práce
- Sdílet odborné znalosti a pomáhat inženýrům budovat silnější postupy SRE a produkčního inženýrství
Požadavky
- Prokazatelná praktická zkušenost v Site Reliability Engineering, Reliability Engineering, Platform Engineering, DevOps nebo Production Engineering
- Dobrá znalost základů SRE včetně SLI, SLO, rozpočtů chyb, správy incidentů, provozní připravenosti, snižování rutinní práce a automatizace
- Praktická zkušenost s definováním nebo provozem SLI a SLO pro produkční služby
- Silné schopnosti řešit problémy napříč aplikacemi, infrastrukturou, sítěmi, databázemi a závislostmi služeb
- Pracovní znalost distribuovaných systémů a vzorů spolehlivosti včetně opakování požadavků, časových limitů, jističů, řízené degradace, redundance, zpětného tlaku a izolace selhání
- Zkušenost s Datadogem nebo srovnatelnou observability platformou pokrývající logy, metriky, trasování, APM, dashboardy, monitory a syntetický monitoring
- Zkušenost s reakcí na incidenty, po-incidentními revizemi a efektivními následnými opatřeními
- Praktická zkušenost s Kubernetes a cloudovou infrastrukturou, přednostně AWS
- Zkušenost s nástroji infrastruktury jako kód, například Terraform, v moderních prostředích CI/CD
- Silné schopnosti v oblasti automatizace a softwarového inženýrství a znalost moderního jazyka, například Go, Java, Python nebo JavaScript
- Prokazatelné výsledky při nahrazování opakované provozní práce automatizací nebo samoobsluhou
- Pracovní znalost výkonového inženýrství, správy kapacity, testování odolnosti, přepnutí na záložní systém nebo chaos engineeringu
- Schopnost interpretovat architekturu aplikací a identifikovat rizika spolehlivosti napříč závislostmi služeb a infrastruktury
- Silné analytické myšlení a schopnost řešit problémy
- Jasné komunikační dovednosti včetně schopnosti vysvětlovat koncepty spolehlivosti a doporučení inženýrům a vedoucím inženýrských týmů
- Schopnost pracovat napříč týmy, řídit konkurenční priority a dosahovat měřitelných výsledků
- Přístup zaměřený na automatizaci, neustálé zlepšování, sdílení znalostí a systémové řešení problémů
Benefity
- Možnost volby hybridní nebo vzdálené práce
- Roční příspěvek na osobní rozvoj ve výši 1 000 €
- Program zaměstnaneckých akcií
- 25 dní dovolené ročně
- Až 20 dní práce ze zahraničí ročně
- Pět osobních dnů ročně
- Flexibilní benefity zahrnující cestování, sport a koníčky
- Rozšířené zdravotní, stomatologické a cestovní pojištění
- Programy wellbeing přizpůsobené potřebám zaměstnanců
- Setkání zaměřená na rozvoj kariéry
- Přístup k tisícům online kurzů Udemy
- Řada zajímavých kancelářských akcí