A Stratus é uma empresa B2B de tecnologia e consultoria focada em modernizar as operações de seguros para seguradoras de propriedades e acidentes e Managing General Agents. Suas equipes ajudam as organizações a substituir ou otimizar sistemas centrais legados, implementar as plataformas Guidewire e Insurity, planejar e executar migrações para a nuvem Azure e desenvolver estratégias e práticas de governança de dados mais robustas. A Stratus também oferece suporte à preparação para inteligência artificial, manutenção de aplicações, garantia de qualidade, seleção de plataformas e prestação integrada de serviços de TI por meio de equipes de talentos sob demanda. O trabalho da empresa combina conhecimento especializado no setor de seguros com transformação tecnológica prática para ajudar os clientes a aprimorar a análise de dados, otimizar as operações e levar novos produtos ao mercado com mais eficiência.
Engenheiro(a) Sênior de Confiabilidade de Sites - Remoto nos Estados Unidos
Engenheiro(a) sênior de confiabilidade responsável por operacionalizar a confiabilidade na Stratus, cujo software digitaliza os fluxos de trabalho de empreiteiros de MEP. A função abrange SLOs, observabilidade, resposta a incidentes e engenharia de desempenho em sistemas de produção no Azure.
Descrição
- Assumir a responsabilidade pelos indicadores, objetivos e orçamentos de erro dos serviços voltados ao cliente
- Desenvolver pipelines de medição que reportem disponibilidade e latência em relação a metas definidas
- Gerenciar a observabilidade em produção por meio de padrões de instrumentação, painéis e alertas acionáveis
- Operar ferramentas de observabilidade em Azure AKS, Prometheus, Loki, Tempo, Grafana, Istio e Flux
- Estabelecer operações de resposta a incidentes que cubram escalas de plantão, acionamento, severidade, responsabilidade, escalonamento e pós-incidentes sem culpabilização
- Definir padrões de reversão e recuperação e validá-los por meio de exercícios recorrentes
- Liderar a engenharia de desempenho e capacidade por meio do ajuste de consultas e índices, dimensionamento de pools de conexão, modelagem de capacidade e projeto de degradação controlada
- Trabalhar em parceria com a equipe em testes de carga, estresse, pico e longa duração com k6
- Definir limites de latência de endpoints baseados em SLO e usar os resultados dos testes como critérios de aprovação para entregas
- Liderar revisões de prontidão para produção relacionadas a instrumentação, alertas, modos de falha, limites de recursos e planos de reversão
- Acompanhar as ações corretivas pós-incidente até a verificação das mudanças em produção
- Apoiar o planejamento de continuidade de negócios e recuperação de desastres, incluindo validação de backup e restauração, projeto de failover e objetivos de recuperação
- Orientar as equipes de engenharia na instrumentação e operação de seus serviços
- Criar ferramentas, automações, bibliotecas de instrumentação e correções de código em produção
- Colaborar entre os times de engenharia, plataforma e segurança e os grupos voltados ao cliente
- Reportar-se ao Diretor Sênior de Engenharia de Plataforma
Requisitos
- Pelo menos seis anos de experiência profissional em engenharia
- Três anos ou mais em uma função dedicada de SRE ou engenharia de produção em uma empresa B2B SaaS
- Experiência comprovada como responsável por SLOs e orçamentos de erro em produção
- Experiência prática avançada em observabilidade com Prometheus, Loki, Tempo, Grafana ou ferramentas comparáveis
- Experiência prática atuando como comandante de incidentes em incidentes significativos
- Experiência construindo processos de plantão e escalonamento desde o início
- Sólida experiência em desempenho de bancos de dados, incluindo criação de perfil de consultas, projeto de índices, pooling de conexões e diagnóstico de saturação sob carga
- Experiência com MongoDB é preferencial; profundidade equivalente com bancos de dados de documentos ou relacionais também é aceita
- Experiência com Kubernetes em produção, preferencialmente com AKS
- Capacidade de solucionar problemas de agendamento de pods, limites de recursos, redes e comportamento de service mesh; experiência com Istio é preferencial
- Proficiência em pelo menos uma destas linguagens: Go, Python, C# ou TypeScript
- Conforto para trabalhar em uma base de código C#/.NET
- Experiência com ferramentas de carga e desempenho, como k6, JMeter ou Gatling
- Experiência em produção com Azure ou AWS e entendimento dos modos de falha de serviços gerenciados
- Fluência em ferramentas de engenharia assistida por IA e experiência no desenho de fluxos de trabalho habilitados por IA
- Excelente comunicação escrita para pós-incidentes, runbooks e relatórios de confiabilidade
- Bom senso e tranquilidade sob pressão
- Experiência estabelecendo ou amadurecendo uma prática de SRE é preferencial
- Experiência com Sentry ou uma plataforma comparável de monitoramento de erros de aplicações é preferencial
- Experiência operando sistemas orientados a eventos e em tempo real é preferencial
- Experiência executando o MongoDB Atlas em escala de produção é preferencial
- Experiência com plataformas duráveis de orquestração de fluxos de trabalho, como Temporal, é preferencial
- Experiência com arquiteturas multirregionais ou multizonas e projeto de recuperação de desastres é preferencial
- Experiência com incident.io, PagerDuty ou plataformas comparáveis de gerenciamento de incidentes é preferencial
- Familiaridade com métricas DORA e trabalho de confiabilidade em ambientes SOC 2 ou NIST 800-171 é preferencial
- Experiência melhorando a confiabilidade de monólitos legados é preferencial
- Interesse em MEP, BIM, AEC ou tecnologia da construção é preferencial
- Experiência anterior em uma empresa Série B ou em fase de crescimento é preferencial
Benefícios
- Benefícios de saúde abrangentes e competitivos
- Contribuições para o 401(k) com contrapartida do empregador
- Vinte dias de folga remunerada por ano
- Modelo de trabalho principalmente remoto
- Eventos presenciais ocasionais da equipe todos os anos