高级可靠性工程师，罗马尼亚（远程）
通过服务级别目标、可观测性、事件复盘和自动化，提升 FanDuel 体育科技平台的可靠性。 与位于克卢日-纳波卡的应用和平台团队协作。
描述
- 与应用和平台团队协作，梳理服务架构、依赖关系、关键客户旅程和可靠性风险
- 建立有意义的服务级别指标和服务级别目标，将服务性能与客户及业务结果联系起来
- 帮助团队采用错误预算，并利用可靠性数据指导工程优先级
- 从可观测性、告警、服务级别目标、运行手册、依赖关系、容量和恢复能力等方面评估服务的生产就绪度
- 应用可靠性成熟度评估和评分卡，将改进工作聚焦于影响最大的领域
- 参与事件响应，并利用日志、指标、追踪、依赖关系和部署数据诊断复杂的生产问题
- 分析事件和反复出现的运营问题，发现系统性风险并制定持久解决方案
- 强化运行手册、告警、升级流程和日常运营实践
- 创建能够减少工程重复劳动的自动化和自助工具
- 开发用于可靠性流程、运营就绪、调查和修复的工具
- 与可观测性工程团队合作，建立可靠性衡量和故障排查所需的遥测能力
- 将性能测试、容量分析、Gameday、混沌实验和故障切换演练转化为具体的可靠性改进
- 通过评估服务健康状况、服务级别目标、依赖关系、容量暴露和可靠性发现，帮助团队为高峰事件做好准备
- 通过监控、依赖关系分析、故障处理和恢复实践，提高关键客户旅程的韧性
- 为可靠性工程贡献标准、模式、文档和可复用的黄金路径
- 通过目标即代码、遥测验证、生产就绪检查和自动化控制，将可靠性实践融入持续集成、持续交付和开发者工作流
- 应用 AI 辅助调查和自动化，加快故障排查并减少手工工作
- 分享专业知识，帮助工程师建立更强的 SRE 和生产工程实践
任职要求
- 在网站可靠性工程、可靠性工程、平台工程、DevOps 或生产工程领域拥有经验证的实践经验
- 扎实掌握 SRE 基础知识，包括服务级别指标、服务级别目标、错误预算、事件管理、运营就绪、减少重复劳动和自动化
- 拥有为生产服务定义或使用服务级别指标和服务级别目标的实践经验
- 具备跨应用、基础设施、网络、数据库和服务依赖关系的出色故障排查能力
- 了解分布式系统和可靠性模式，包括重试、超时、熔断器、优雅降级、冗余、背压和故障隔离
- 拥有使用 Datadog 或同类可观测性平台的经验，涵盖日志、指标、追踪、APM、仪表板、监控器和合成监控
- 拥有参与事件响应、事件复盘和有效后续工作的经验
- 拥有 Kubernetes 和云基础设施的实践经验，AWS 优先
- 拥有在现代持续集成、持续交付环境中使用 Terraform 等基础设施即代码工具的经验
- 具备出色的自动化和软件工程能力，熟练掌握 Go、Java、Python 或 JavaScript 等现代语言
- 有通过自动化或自助服务替代重复运营工作的成功记录
- 了解性能工程、容量管理、韧性测试、故障切换或混沌工程
- 能够理解应用架构，并识别服务和基础设施依赖关系中的可靠性风险
- 具备出色的分析和解决问题能力
- 具备清晰的沟通能力，能够向工程师和工程领导者解释可靠性概念和建议
- 能够跨团队协作、管理相互竞争的优先事项并交付可衡量的成果
- 以自动化、持续改进、知识共享和系统性解决问题为核心的工作方式
福利待遇
- 可选择混合办公或远程办公
- 每年 1,000 欧元的自我发展津贴
- 公司股份计划
- 每年 25 天年假
- 每年最多 20 天可在海外工作
- 每年 5 天个人假
- 涵盖旅行、运动和兴趣爱好的灵活福利
- 延长版医疗、牙科和旅行保险
- 定制化身心健康计划
- 职业发展交流活动
- 可使用数千门 Udemy 在线课程
- 丰富多彩的办公室活动