首席站点可靠性工程师（远程，保加利亚）
为软件开发服务公司领导可靠性工程，扩展云基础设施与交付系统。 运用 SRE 实践、CI/CD、可观测性和 AIOps 提升系统可靠性。
描述
- 以可靠性和成本效益为目标，负责产品基础设施并推动其规模化发展。
- 围绕可用性、延迟、吞吐量和可扩展性设定并监控服务指标、服务目标和错误预算。
- 通过代码、基础设施即代码和自愈系统减少运维负担。
- 构建并改进 CI/CD 流水线，以支持安全、频繁的发布和快速反馈。
- 与软件工程师和 QA 合作，通过测试、部署实践和共同承担生产环境责任，将可靠性与质量融入工作流程。
- 运用 AI 和 AIOps 自动执行修复、检测异常、减少告警噪声，并改进监控、报告和当值信号。
- 领导事件响应和无责复盘，将事件转化为持久的系统改进。
- 建立可靠性和运维实践。
- 指导工程师，并协助制定公司的可靠性战略。
任职要求
- 至少五年 SRE、DevOps 或平台工程经验，并有端到端负责系统的经历。
- 深入了解可靠性工程，包括服务指标和目标、错误预算及减少运维负担。
- 具备设计、现代化改造和运维 CI/CD 流水线的实践经验。
- 熟练掌握 Terraform、Pulumi 或 CloudFormation 等基础设施即代码工具。
- 具备 GCP、AWS 或 Azure 经验，并使用 Kubernetes 或 Docker 进行容器编排。
- 精通至少一种自动化语言：Python、Go 或 Bash。
- 具备扎实的可观测性技能，涵盖指标、日志、追踪和告警，并使用过 New Relic、Prometheus、Grafana、Datadog 或 OpenTelemetry 等工具。
- 具备 AI/AIOps 应用经验，可用于自动化、度量、报告或告警，例如异常检测、智能告警、降噪或自动修复。
- 善于协作，能够与工程师和 QA 团队共同推进可靠性目标。
- 具备技术领导经验，包括指导他人、推动跨团队项目和影响工程实践。
- 具备 Google Cloud Run 经验者优先。
- 有将 AIOps 工具接入现有可观测性技术栈的经验者优先。
- 具备性能和负载测试经验者优先。
- 了解 SOC 2、ISO 27001 或 GDPR 等安全与合规实践者优先。
- 获准在保加利亚工作。
福利待遇
- 可选择远程或混合办公。
- 免费停车。
- 游戏和休闲区域。
- 提供含牙科护理的私人医疗保险。
- 入职满第一年和第五年后，各额外享有五天休假。
- 公司资助培训和职业发展。
- 成功推荐员工可获奖金。
- 公司社交活动。
- 可为一名家庭成员增加保险保障。
- 全额报销体育通行卡。