Backblaze
Backblaze
Backblaze bietet Unternehmen und Privatpersonen Cloud-Speicher- und Datenschutzlösungen. Die Plattform B2 Cloud Storage stellt S3-kompatiblen Objektspeicher zur Verwaltung und zum Schutz von Daten bereit, während der automatische, unbegrenzte Computersicherungsdienst die Wiederherstellung verlorener Systeme oder Dateien unterstützt. Darüber hinaus ermöglicht das Unternehmen Integrationen mit anderen Anwendungen. Dadurch eignen sich die Produkte sowohl für Teams, die Daten-Workflows entwickeln, als auch für Kunden, die unkomplizierte Backup-Lösungen suchen.

Principal Site Reliability Engineer

Leite die Zuverlässigkeitsarbeit für Backblazes Cloud-Speicherplattform und stärke Verfügbarkeit und Haltbarkeit produktiver Dienste. Entwickle Observability, Automatisierung, Incident Response und langfristige Verbesserungen der Plattformstabilität voran.

Beschreibung

  • Verantworte Verfügbarkeit und Haltbarkeit kritischer Produktionsdienste.
  • Leite Projekte von der Problemerkennung bis zur Lösung.
  • Berate zu Kennzahlen für den Zustand von Diensten und arbeite mit den Serviceverantwortlichen daran, SLIs und SLOs, Richtlinien für Fehlerbudgets und Alarmierung weiterzuentwickeln.
  • Beteilige dich an Bereitschaftsrotationen der Führungsebene, an der Incident Response und an Nachbesprechungen von Vorfällen.
  • Wende ITIL-/OSS-Praktiken für Incident-, Change-, Problem- und Kapazitätsmanagement an.
  • Automatisiere wiederkehrende Betriebsaufgaben, um manuelle Arbeit und Routineaufwand zu verringern.
  • Arbeite mit der Entwicklung an Speicherkonzepten und Leistungserwartungen, die an Produkt-SLAs geknüpft sind.
  • Richte Frameworks für Monitoring, Logging und Alarmierung mit Tools wie Prometheus, Grafana, Catchpoint und ELK ein und verknüpfe Runbooks mit FireHydrant.
  • Arbeite mit CI/CD-Pipelines, Konfigurationsmanagement und Infrastructure-as-Code-Tools wie Terraform, Ansible und Jenkins.
  • Entwickle Skripte in Bash, Python oder Go, um Zuverlässigkeit und Betriebseffizienz zu verbessern.
  • Arbeite mit Entwicklungs-, Customer-Success-, Produkt- und Betriebsteams an resilienten Systemen und Abläufen zusammen.
  • Arbeite mit Kundinnen und Kunden daran, Stabilität entsprechend ihren Anforderungen und ihrem Produkterlebnis zu priorisieren.
  • Analysiere Dienstprobleme gemeinsam mit Anbietern und Service-Providern und verfolge die SLA-Leistung.
  • Dokumentiere Systeme, teile Erkenntnisse und trage zum Aufbau einer auf Zuverlässigkeit ausgerichteten Engineering-Kultur bei.
  • Leite bereichsübergreifende Initiativen, um Lücken bei Observability und Betriebsprozessen zu erkennen und Prioritäten festzulegen.
  • Erkenne wiederkehrende Probleme, empfehle nachhaltige Verbesserungen und entwickle Maßnahmenpläne.
  • Fördere zuverlässigkeitsorientierte Praktiken in Entwicklungs- und Betriebsteams.

Anforderungen

  • Bachelorabschluss in Informatik, Ingenieurwesen oder einem verwandten Fachgebiet oder gleichwertige Berufserfahrung.
  • Mindestens 10 Jahre Erfahrung in Site Reliability, Systemtechnik oder Betrieb; Erfahrung bei Hyperscalern ist von Vorteil.
  • Erfahrung mit Produktionssystemen im großen Maßstab, einschließlich der Einrichtung von Betriebsverfahren oder Runbooks und der Schulung anderer in deren Anwendung.
  • Ausgeprägte Kenntnisse in der Linux-Systemadministration und Fehlerbehebung.
  • Nachgewiesene Fähigkeit, KI-Tools zur Verbesserung von Plattformstabilität und Skalierbarkeit einzusetzen.
  • Kenntnisse in Speichersystemen, Leistung, Sharding und Speicheralgorithmen.
  • Erfahrung mit Load-Balancing-Diensten, einschließlich IPVS.
  • Sicherheitsbewusste Betriebspraktiken, einschließlich Patchen, Härtung und Erkennen von Schwachstellen.
  • Vertrautheit mit Zuverlässigkeitspraktiken wie Monitoring, Alarmierung, Incident Response und Ursachenanalyse.
  • Sicherer Umgang mit mindestens einer Skriptsprache: Python, Bash oder Go.
  • Erforderliche Erfahrung mit Containern wie Kubernetes und Docker sowie mit Microservices; Fähigkeit zum Betrieb in einer Kubernetes-/Vitess-on-K8s-Umgebung mit kubectl, mysqlsh und Vitess-Keyspaces.
  • Erfahrung mit HashiCorp-Produkten wie Nomad, Vault oder Terraform.
  • Erfahrung in einem SaaS-, Service-Provider- oder Distributed-Systems-Umfeld ist von Vorteil.
  • Vertrautheit mit ITIL-/OSS-Praktiken und SLOs/SLAs ist von Vorteil.
  • Ausgeprägte Problemlösungsfähigkeiten und die Bereitschaft, neue Technologien zu erlernen, sind von Vorteil.
  • Erfahrung mit einer Cloud-Plattform wie AWS, GCP oder Azure ist von Vorteil.

Zusatzleistungen

  • Krankenversicherung für die Familie einschließlich Zahn- und Sehhilfen.
  • Wettbewerbsfähige Vergütung und ein 401(k)-Altersvorsorgeplan.
  • RSU-Zuteilungen für Vollzeitbeschäftigte.
  • Mitarbeiteraktienkaufprogramm.
  • Flexible Urlaubsregelung.
  • Mutterschafts- und Vaterschaftsurlaub.
  • Ein MacBook Pro für die Arbeit und ein großzügiges Budget zur individuellen Ausstattung des Arbeitsplatzes.
  • Kinderbetreuungsbonus für menschliche Kinder.
  • Unterstützung und Behandlungen bei unerfülltem Kinderwunsch.
  • Weiterbildungs- und Entwicklungsprogramm.
  • Zuschüsse für den Arbeitsweg.
  • Eine Unternehmenskultur, die eine ausgewogene Work-Life-Balance unterstützt.

Ähnliche Stellen

The Home Depot

Staff Software Engineer, Reliability Engineering (Order Up) bei The Home Depot – Remote, USA

The Home Depot

Leite das Reliability Engineering für die Order-Up-Software von The Home Depot für Kunden und Beschäftigte. Entwickle, teste, überwache und verbessere robuste Anwendungen für den Produktivbetrieb.

Öffnen