高级网站可靠性工程师（亚太地区）– 香港混合办公
负责 Reap 全球稳定币支付平台的可靠性工程。负责 APAC 地区的 AWS、Kubernetes、Terraform、可观测性、合规与事件响应。
描述
- 与 SLI、SLO、错误预算及合作团队共同建立可靠性标准
- 参与值班轮值，加强事件响应与无责复盘
- 实现全面的基础设施即代码覆盖，避免手动配置、配置漂移及未受管理的资源
- 将 Terraform 统一到受治理的代码库中，采用一致的模块并自动检测漂移
- 自动化跨区域和跨服务的账户创建与环境配置
- 创建标准化路径和自助工具，用于资源配置、部署与可观测性
- 设计接近生产环境的临时环境，并实现自动清理
- 提供日志、指标、分布式追踪和可执行的告警
- 运营符合 PCI DSS 的受监管金融云系统，涵盖可用性、故障转移、容量、灾难恢复和事件响应
- 将密钥管理、最小权限 IAM、网络分段和合规控制构建到基础设施中
- 为 AI 助手和智能代理开发安全、隔离且可审计的基础设施
- 与产品和工程团队合作，将可靠性能力交付为平台产品
任职要求
- 具备扎实的 Linux 和计算机系统基础，包括系统内部原理、网络和管理
- 精通 Terraform，涵盖状态管理、模块设计和团队级标准执行
- 有主导完整基础设施即代码迁移或大规模从零实施的经验
- 具备丰富的 AWS 经验，熟悉多账户、多区域环境，包括 Control Tower、IAM、网络、RDS 和成本管理
- 有运营 ECS 和 Fargate 以及大规模生产 Kubernetes 的经验
- 精通 Kubernetes，涵盖集群生命周期、升级、自动扩缩容、资源限制和多租户工作负载隔离
- 具备 Lambda、SQS 和 EventBridge 的生产经验，了解重试、毒消息、顺序和幂等性
- 有通过 Argo CD 或同类工具以及 GitHub Actions CI/CD 实施 GitOps 交付的经验
- 具备使用 New Relic、CloudWatch、Datadog 或 Prometheus 等日志、指标和追踪平台的实际可观测性经验
- 有使用 Python、Go 或 Bash 进行自动化和工具开发的经验
- 具备端到端服务所有权经验，覆盖需求、设计、交付、可观测性、事件响应、容量规划、升级和安全补丁
- 有受监管环境及 PCI DSS 和金融合规要求方面的经验
- 能够独立管理项目，并在没有正式职权的情况下推动跨团队共识
- 具备出色的沟通能力，能够通俗解释技术决策，并将工作拆解给人员或智能代理
- 广泛使用 AI 工具进行编码、审查、自动化、事件分析和文档编写
- 能够应对生产事件，包括支付业务中的高影响事件
- 有定义 SLO、管理错误预算或建立事件与复盘实践的经验
- 加分项：丰富的 SRE、DevOps 或基础设施工程经验；成熟的 SRE 实践；金融科技、支付或发卡经验；实际 PCI DSS 工作经验；在 PCI DSS 环境中使用 Kubernetes 或 EKS 的经验；临时环境平台；内部开发者平台、账户工厂或落地区域；Ansible；AWS 认证；以及对稳定币、Web2 或 Web3 的了解
福利待遇
- 混合办公安排
- 与跨时区的全球分布式团队协作
- 参与塑造可靠性实践和平台工程标准
- 通过技术领导、指导和工程师成长获得职业发展
- 参与全球支付、稳定币金融和无国界金融产品