高级站点可靠性工程师 - Reap 墨西哥混合办公
负责 Reap 全球稳定币驱动支付平台的可靠性工程，重点关注可观测性、自助式基础设施和运营韧性。 使用 AWS、Kubernetes、Terraform，并在受 PCI DSS 监管的系统中开展工作。
描述
- 与产品和工程团队通过 SLI、SLO 和错误预算制定可靠性目标。
- 加入值班轮换，强化事件响应和无责事后复盘实践。
- 使用基础设施即代码实现传统基础设施现代化，同时减少手动配置和配置漂移。
- 将 Terraform 统一到受治理的代码库中，使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配置与环境配置。
- 创建标准化路径和自助工具，用于配置、部署和可观测性建设。
- 设计类似生产环境的临时环境，并实现自动清理。
- 构建涵盖日志、指标、分布式追踪和可执行告警的可观测性体系。
- 负责符合 PCI DSS 的金融系统云运营，涵盖可用性、故障切换、容量、灾难恢复和事件响应。
- 将密钥管理、最小权限 IAM、网络分段和合规保障措施整合到基础设施中。
- 为 AI 助手和智能体构建安全、可审计的基础设施。
- 与产品和工程团队协作，将平台作为产品进行管理。
任职要求
- 具备设定 SLO、管理错误预算或建立事件与事后复盘流程的经验。
- 扎实掌握 Linux 和计算机系统知识，包括操作系统内部机制、网络和系统管理。
- 具备高级 Terraform 专业能力，涵盖状态管理、模块架构和团队级标准。
- 具备领导大规模基础设施即代码迁移或从零实施项目的经验。
- 拥有扎实的 AWS 背景，熟悉多账户、多区域环境，包括 Control Tower、IAM、网络、RDS 和成本管理。
- 具备运行 ECS 和 Fargate，以及大规模生产 Kubernetes 环境的经验。
- 了解 Kubernetes 集群生命周期管理、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 的生产实践经验，了解重试、毒消息、排序和幂等性。
- 具备 Argo CD 或同类平台，以及 GitHub Actions CI/CD 流水线的经验。
- 具备使用 New Relic、CloudWatch、Datadog 或 Prometheus 等日志、指标和追踪工具开展可观测性工作的实践经验。
- 能够使用 Python、Go 或 Bash 进行自动化和工具开发。
- 具备负责服务全生命周期的经验，包括设计、交付、可观测性、事件响应、容量规划、升级和安全补丁。
- 具备在受监管环境中工作的经验，熟悉 PCI DSS 和金融合规。
- 能够独立管理项目，并在没有正式职权的情况下建立共识。
- 具备清晰的通俗语言沟通能力，能够将复杂问题拆解为适合人员或 AI 智能体执行的工作。
- 大量使用 AI 工具进行编码、评审、自动化、事件分析和文档编写。
- 能够从容应对可能造成重大影响的生产事件。
- 拥有丰富的 SRE、DevOps 或基础设施工程经验者优先。
- 拥有金融科技、支付、发卡或其他受监管行业经验者优先。
- 具备 PCI DSS 实践经验者优先。
- 拥有 PCI DSS 环境中的 Kubernetes 或 EKS 经验者优先。
- 具备设计和运营临时或按需环境平台的经验者优先。
- 具备从零构建内部开发者平台、账户工厂或落地区域的经验者优先。
- 具备 Ansible 或类似配置管理工具的经验者优先。
- 拥有 AWS 认证者优先。
- 对稳定币以及 Web2/Web3 交叉领域感兴趣者优先。