初级 SRE 工程师（现场办公，墨西哥）
加入 Rehire，作为初级 SRE 工程师，为受监管的金融服务平台提供 AWS 可靠性支持。协助自动化可观测性、事件响应和 AI 辅助的生产运维。
描述
- 使用基于 AI 的检测、关联分析和根因分析工具，以观察员或二线响应者身份协助处理事件。
- 根据指标、日志、追踪信息和部署历史构建事件时间线。
- 记录事后复盘并跟踪纠正措施直至完成。
- 运行和监控 AI SRE 子代理，用于生成事件摘要、识别监控缺口和归因使用情况。
- 创建和维护 Datadog 监控器、仪表板以及由 Terraform 管理的 SLO 定义。
- 协助审查关键客户旅程的 SLI、SLO 和错误预算。
- 通过 AI/ML 辅助检测和定期监控维护审查降低告警噪声。
- 协助维护运行在 ECS/Fargate、EKS、Lambda、RDS/Aurora、ALB、SQS/SNS 和 Step Functions 上的 AWS 工作负载可靠性。
- 检测容量、饱和度和云成本异常，并将支出和遥测数据量归因至负责的团队和服务。
- 使用 Datadog、AWS、GitHub、PagerDuty 和 Jira API 开发 Python 与 Bash 自动化脚本。
- 通过拉取请求提交 Terraform 模块贡献。
- 将可靠性控制和 AI 辅助检查嵌入 CI/CD 流水线。
- 开发运行手册，并逐步推进自愈自动化。
- 参与架构、可靠性和 AI 风险评审。
- 学习如何在受监管环境中应用 PCI-DSS、SOC 2、SOX 和 GLBA 要求。
任职要求
- 计算机科学、工程或相关专业的学士学位。
- 拥有 1 至 3 年 SRE、DevOps、云基础设施、平台或生产支持工程经验。
- 要求具备高级英语口语和书面沟通能力。
- 具备 AWS 或其他主要云服务提供商的实际经验，涵盖计算、网络、存储和托管数据库。
- 使用过至少一个可观测性平台；优先考虑 Datadog，Grafana/Prometheus、New Relic、CloudWatch 和 ELK/OpenSearch 经验也相关。
- 基本理解 SLI、SLO 和错误预算实践。
- 了解容器和编排技术，如 Docker、ECS 或 Kubernetes，并了解无服务器执行模型。
- 具备初级至中级基础设施即代码经验；优先考虑 Terraform，Ansible 或 CloudFormation 经验也适用。
- 具备 Python、Bash 或类似语言的脚本编写经验，包括 REST API 调用和 JSON 解析。
- 具备基本 Linux 故障排查能力，并掌握 DNS、TLS、负载均衡、超时和重试等网络基础知识。
- 熟悉 Git、拉取请求实践以及 GitHub Actions、Jenkins、GitLab CI 或 ArgoCD 等 CI/CD 平台。
- 了解事件管理和值班实践，包括严重性模型、升级策略以及 PagerDuty 或 Opsgenie。
- 具备产品工程服务、企业软件或金融科技背景者优先。
- 了解 PCI-DSS、SOC 2、SOX 或 GLBA 合规框架者优先。
- AWS Cloud Practitioner 或 Associate 级认证、Terraform Associate、Datadog Fundamentals 或同等认证、CKA 或 KCNA 等认证优先，但非必需。
福利待遇
- 具有竞争力的美元薪资。
- 参与 AI 驱动的 SRE 实践，获得职业发展机会。
- 充满活力且协作融洽的工作环境。