哥斯达黎加远程高级网站可靠性工程师
EX Squared 正在哥斯达黎加招聘网站可靠性工程师，负责自动化、监控并强化关键服务。该职位重点涉及事件管理、云可靠性和 CI/CD 部署。
描述
- 设计并实施自动化方案，减少生产环境中的重复性手动工作。
- 使用指标、日志和链路追踪构建并改进可观测性实践。
- 与开发团队及业务利益相关者合作，定义和维护 SLI 与 SLO。
- 响应事件并参与值班轮换，诊断问题并恢复服务。
- 主导并记录事件后复盘和根因分析，确定预防性改进措施。
- 推动“谁构建，谁负责运行”的运营模式。
- 设计并维护变更控制流程，以及与 CI/CD 流水线集成的部署流程。
- 评估服务容量、性能和负载行为，并提出架构或配置改进建议。
- 评估并增强平台和服务的弹性、可用性及故障恢复能力。
- 记录网站可靠性工程标准、流程、运行手册和最佳实践。
- 与开发团队和平台团队密切协作。
任职要求
- 具备网站可靠性工程、DevOps、云计算、基础设施、系统工程或运营方面的专业经验。
- 具备支持关键服务和生产环境的实践经验。
- 具备扎实的 Linux 知识，以及基础设施和应用故障排查经验。
- 具备云计算平台使用经验。
- 具备通过指标、日志、链路追踪和告警开展监控与可观测性的经验。
- 具备生产事件响应、故障排查和根因分析经验。
- 了解 SLI、SLO 和 SLA 概念及其在可靠性管理中的应用。
- 具备自动化和脚本编写经验。
- 了解 CI/CD 和现代部署实践。
- 具备基础设施即代码经验，优先考虑 Terraform。
- 理解高可用性、弹性、灾难恢复和可扩展性原则。
- 能够与开发、基础设施和运营团队协作。
- 具备 AWS 和云原生架构经验者优先。
- 具备 Terraform 和基础设施自动化经验者优先。
- 具备 Docker 和 Kubernetes 经验者优先。
- 熟悉 Prometheus、Grafana、Datadog、Splunk、CloudWatch 或同类平台等可观测性工具者优先。
- 具备高可用性和灾难恢复策略经验者优先。
- 具备容量、性能和可扩展性分析经验者优先。
- 具备参与值班轮换和管理关键事件经验者优先。
- 具备 AWS、云运营或网站可靠性工程相关认证者优先。
福利待遇
- 私人医疗保险。
- 团结协会会员资格。
- 按照哥斯达黎加法律享有的假期和公共假日。
- 专业学习与发展机会。
- 参与具有重要影响力的技术项目。