高级SRE工程师——可观测性与可靠性
负责Datadog、AWS运维、事件响应和PCI DSS支持的高级SRE职位。 在支付和金融科技环境中提升可观测性、平台可靠性与合规性。
描述
- 负责并推进Datadog，将其作为覆盖APM、链路追踪、日志管道、指标、RUM、Synthetic、SLO、监控器和Cloud SIEM的主要可观测性平台。
- 为AWS生产服务构建完整的可观测性覆盖，包括ECS、Lambda、API Gateway、DynamoDB、EventBridge/SQS、CloudFront和WAF。
- 为关键用户旅程建立并监控SLI和SLO，持续跟踪错误预算。
- 通过减少误报、重复通知和低效监控器，创建重点明确的告警机制。
- 集成并审查来自CloudTrail、GuardDuty、Inspector、Macie和VPC Flow Logs的安全遥测数据。
- 通过分诊、事件关联、清晰沟通、根因分析和复盘，领导重大事件响应。
- 通过运行手册、操作手册以及支持Jira Service Management中的变更管理，加强技术治理。
- 通过准备监控、日志记录和文件完整性监控证据，并协助审计和渗透测试，支持PCI DSS合规。
- 通过优化与数据保留、日志索引和指标基数相关的Datadog支出，控制可观测性FinOps。
- 担任平台可观测性与可靠性的技术负责人和主要咨询对象。
任职要求
- 至少八年SRE、可观测性或支持业务关键环境的实际工作经验。
- 具备Datadog高级实操能力，包括APM、Traces、Logs、Synthetics、SLO和仪表板。
- 深入了解AWS架构及运营故障排查，包括CloudWatch、CloudTrail、ECS、Lambda、队列和事件驱动服务。
- 具备在ITIL或类似框架下处理事件、问题和变更管理的经验。
- 能够编写结构化技术文档，例如运行手册、操作手册和复盘报告。
- 以交付为导向，能够超越理论或架构设计，执行并排查实际问题。
- 能够独立负责可观测性工作并在无需密切监督的情况下确定待办事项优先级。
- 能够适应变化的环境，乐于接受反馈并持续改进。
- 具备出色的人际沟通能力，能够与工程、质量保证和产品团队开展透明、协同的工作。
- 英语达到高级或流利水平。
- 具备支付、金融科技或受PCI DSS监管环境的工作经验。
- 熟悉Cloud SIEM以及GuardDuty、Inspector和Macie等AWS安全服务。
- 具备使用Terraform和Datadog API实施Observability as Code的经验。
- 能够阅读和分析Go和/或TypeScript/Node.js代码，以支持诊断工作。
福利待遇
- 人寿保险。
- 可使用Wellhub平台，该平台前身为Gympass。
- 提供技术和管理后台支持，帮助加快入职，并在整个合作期间持续提供协助。