MCCi 云运营工程师（远程，美国）
MCCi 正在招聘云运营工程师，为其 JustFOIA 公共记录 SaaS 平台加强可靠性、可观测性和自动化能力。该远程职位负责运营 Azure 基础设施，并协调面向政府服务的事件响应。
描述
- 为 MCCi 面向政府公共记录请求的 SaaS 平台 JustFOIA 提供网站可靠性工程支持
- 在应用、数据库和基础设施层面开发和管理监控、告警、仪表板、日志记录及运营报告
- 检查日志、指标、追踪数据和服务健康数据，以发现正在形成的问题和反复出现的问题
- 提升平台的可靠性、可用性、性能、可扩展性和可维护性
- 参与待命轮值，负责事件分流、诊断、升级和服务恢复
- 排查涉及应用、IIS/.NET、SQL Server、网络和云服务的生产故障
- 组织无责备事件复盘，记录根本原因并实施后续修复措施
- 管理和优化 Azure 及 Azure Government 环境
- 创建自动化机制，减少重复任务、人为错误和配置漂移
- 维护并扩展基础设施即代码、配置管理、部署和运营工具
- 协助 CI/CD 工作流和应用发布活动
- 评估性能限制、容量风险和可扩展性挑战
- 建立并监控服务级指标、服务级目标、错误预算或类似的可靠性指标
- 协助进行备份验证、灾难恢复、故障转移演练、容量规划和运营准备情况评估
- 协助处理漏洞，加强运营安全控制并支持合规工作
- 编写和更新运行手册、诊断说明、恢复流程及运营记录
- 与开发团队合作，增强应用可靠性、可观测性和可支持性
- 参与发布自动化、基础设施改进以及 DevOps 实践的持续发展
- 随着职责范围扩大，可能为 MCCi 的其他 SaaS 产品提供云运营支持
任职要求
- 至少六年的信息技术工作经验
- 至少三年在公有云中支持生产 SaaS 工作负载的网站可靠性工程经验，并负责可用性和性能
- 直接支持 SaaS 应用生产环境的 SRE 经验
- 具备建立和使用 SLI、SLO 及错误预算的实际经验
- 具备通过指标、集中式日志、分布式追踪、仪表板和应用性能监控实施可观测性的经验
- 能够设计有用的告警并减少不必要的告警数量
- 具备领导事件响应、根本原因调查和无责备事后复盘的经验
- 有持续交付可靠性改进并完成落地的记录
- 能够使用 PowerShell、Python、Bash 或类似语言开发自动化工具
- 具备基础设施即代码和配置管理实践经验
- 具备在 Microsoft Azure 或其他主流公有云上运行工作负载的经验
- 具备支持面向客户且业务关键的软件经验
- 具备出色的问题诊断、沟通、团队协作和技术写作能力
- 优先考虑：具备 Windows Server 和 IIS/.NET 应用生产支持经验
- 优先考虑：具备 SQL Server 监控和性能诊断经验
- 优先考虑：具备 CI/CD 工作流和部署自动化经验
- 优先考虑：具备性能测试和容量规划经验
- 优先考虑：具备网络流量处理、负载均衡、Web 应用防火墙和内容分发经验
- 优先考虑：具备备份、复制、故障转移、灾难恢复和恢复测试经验
- 优先考虑：具备容器和编排技术经验
- 熟悉 Datadog、Azure Application Insights、Elastic、Terraform、Ansible、PowerShell、Azure DevOps 或 Cloudflare 者优先
福利待遇
- 支持远程办公，并通过虚拟融入活动支持分布式团队成员
- 管理者和领导层易于沟通
- 以信任为导向、官僚流程有限的文化
- 着装要求休闲舒适
- 包容、多元且相互尊重的工作场所
- 提供协作、建立关系和获得认可的机会