平台软件工程师（DevOps）
CareCentrix
AnsibleAWSDockerGrafanaGroovyJavaJavaScriptJenkinsKubernetesNode.jsPrometheusPythonReactSDLCSpringSpring Boot云
在 CareCentrix 构建 DevOps 自动化、CI/CD 流水线和内部工程工具。 通过平台工程提升云端可靠性与开发者效率。
打开
高级站点可靠性工程师
负责 Iru AI 安全与 IT 平台的事件响应和 Datadog 可观测性建设。 推动服务可靠性目标、工程标准和可持续的值班实践在各团队落地。
描述
- 主导事件检测、响应和后续复盘学习。
- 管理完整的事件处理流程，涵盖分诊、沟通、缓解、解决和复盘。
- 制定并维护事件严重级别、升级流程、值班预期和响应指南。
- 组织无责复盘，将发现转化为可跟踪的修复措施和共享经验。
- 改进重大事件协同机制，包括职责分工、工具、利益相关方更新和交接。
- 与安全、支持和产品团队协作处理事件沟通以及监管或合同义务。
- 制定全公司 Datadog 指标、日志和追踪数据标准，涵盖命名、基数、保留期限和采样。
- 定义 SLO、SLI 和错误预算，并推动各工程团队采用。
- 创建并维护可复用的 Datadog 仪表板、监控器和告警模板。
- 推广黄金信号以及基于 RED/USE 的告警实践。
- 与基础设施团队合作制定可观测性架构、多租户、成本管理和数据生命周期方案。
- 通过调整阈值、明确负责人和管理值班负荷来减少告警噪声。
- 指导工程师提升运营卓越水平、安全发布能力和生产环境就绪度。
- 支持容量规划、混沌及演练日活动，以及关键变更的可靠性评审。
- 促进 SRE 与基础设施团队在共同工作中协作。
- 减少重复事件，提升复盘成效，建立由团队负责的 SLO 和 SLI，统一 Datadog 可观测性标准，让告警具备可执行性，同时保持值班安排可持续。
任职要求
- 至少五年 SRE、生产工程或类似岗位经验，包括面向客户系统的值班支持经验。
- 有成功运营或显著改进分布式系统事件响应的经历。
- 具备丰富的 Datadog 实操经验，包括跨多个团队或服务使用仪表板、监控器和埋点标准。
- 有大规模处理指标、日志和追踪数据的经验。
- 具备制定生产环境 SLO、SLI 和错误预算政策的实践经验。
- 深入了解 Linux、网络、分布式系统故障模式以及云或混合基础设施，包括 Kubernetes、负载均衡器、数据库和队列。
- 熟练使用 Go、Python 或同类语言编写自动化工具。
- 熟悉 Terraform 等基础设施即代码实践。
- 具备出色的书面和口头沟通能力。
- 能够在高压事件和复盘期间引导讨论。
- 有在没有直接职权的情况下影响团队并推动工程领域采用方案的经历。
- 有 OpenTelemetry 或同类厂商中立埋点方案经验者优先。
- 熟悉 PagerDuty、Incident.io、Opsgenie 或类似工具，以及 Statuspage 或同类工具者优先。
- 有快速发展的初创公司工作经验者优先。
- 有受监管或高合规要求环境的工作经验者优先。
- 参与过内部开发者平台或共享可靠性工具建设者优先。
福利待遇
- 具有竞争力的薪酬。
- 每周三天到办公室的混合办公安排。
- 为员工及其家属全额支付医疗、牙科和视力保险。
- 401(k) 计划，公司提供 4% 配比缴款。
- 20 天带薪休假。
- Iru Wellness Week，于七月第一周举行。
- 全职员工可获得股权。
- 办公室工作日提供午餐津贴。
- 新晋父母最多可享 16 周带薪假。
- 带薪家庭假和医疗假。
- 为员工及其家属提供 Modern Health 心理健康支持。
- 生育支持。
- Working Advantage 员工折扣。
- 现场健身中心。
- 免费停车。
- 职业发展机会。
相关职位
Origami Risk 平台 DevOps 工程师
Origami Risk为 Origami Risk 的风险、保险、合规与安全管理 SaaS 产品构建 AWS 交付流水线、Terraform 基础设施和 Kubernetes 平台。 推动服务从初始配置到生产就绪，并保障交付与运行可靠性。
打开