Backblaze
Backblaze
Backblaze 为企业和个人提供云存储与数据保护服务。其 B2 Cloud Storage 平台提供兼容 S3 的对象存储,用于管理和保护数据;自动且不限容量的电脑备份服务则支持在系统或文件丢失时进行恢复。公司还支持与其他应用集成,使其产品既适合构建数据工作流的团队,也适合寻求简单易用备份方案的客户。

首席站点可靠性工程师

负责提升 Backblaze 云存储平台的可靠性,增强生产服务的可用性与持久性。 推动可观测性、自动化、事件响应及平台稳定性的长期改进。

描述

  • 负责关键生产服务的可用性与持久性成果。
  • 从发现问题到解决问题,主导项目推进。
  • 就服务健康指标提供建议,并与服务负责人协作完善 SLI、SLO、错误预算策略和告警机制。
  • 参与管理层值班轮换、事件响应和事后复盘。
  • 运用 ITIL/OSS 实践管理事件、变更、问题和容量。
  • 自动化日常运维任务,减少手动工作和重复劳动。
  • 与工程团队协作制定存储设计和符合产品 SLA 的性能预期。
  • 使用 Prometheus、Grafana、Catchpoint 和 ELK 等工具建立监控、日志和告警框架,并将运行手册与 FireHydrant 集成。
  • 使用 CI/CD 流水线、配置管理以及 Terraform、Ansible 和 Jenkins 等基础设施即代码工具。
  • 编写 Bash、Python 或 Go 脚本,提升可靠性和运维效率。
  • 与工程、客户成功、产品和运营团队协作,打造有韧性的系统与运营体系。
  • 与客户合作,根据其需求和产品体验优先保障稳定性。
  • 与供应商和服务提供商一起排查服务问题,并跟踪 SLA 表现。
  • 记录系统文档、分享经验,助力建设重视可靠性的工程文化。
  • 牵头跨职能工作,找出可观测性和运营流程中的不足并确定优先级。
  • 发现反复出现的问题,提出持久改进建议并制定行动计划。
  • 推动开发和运营团队采用重视可靠性的实践。

任职要求

  • 计算机科学、工程或相关专业本科及以上学历,或具备同等经验。
  • 至少 10 年站点可靠性、系统工程或运营经验;有超大规模云服务商经验者优先。
  • 具备大规模生产系统经验,包括制定运营流程或运行手册并培训他人使用。
  • 具备扎实的 Linux 系统管理和故障排查技能。
  • 能够证明曾运用 AI 工具提升平台稳定性和可扩展性。
  • 了解存储系统、性能、分片和存储算法。
  • 具备负载均衡服务经验,包括 IPVS。
  • 具备注重安全的运维实践经验,包括打补丁、加固系统和识别漏洞。
  • 熟悉监控、告警、事件响应和根因分析等可靠性实践。
  • 熟练掌握至少一种脚本语言:Python、Bash 或 Go。
  • 必须具备 Kubernetes、Docker 等容器和微服务经验;能够在 Kubernetes/Vitess-on-K8s 环境中使用 kubectl、mysqlsh 和 Vitess keyspace 开展运维。
  • 具备 Nomad、Vault 或 Terraform 等 HashiCorp 产品经验。
  • 有 SaaS、服务提供商或分布式系统环境经验者优先。
  • 熟悉 ITIL/OSS 实践以及 SLO/SLA 者优先。
  • 具备较强的问题解决能力并愿意学习新技术者优先。
  • 具备 AWS、GCP 或 Azure 等云平台经验者优先。

福利待遇

  • 家庭医疗保险,包含牙科和视力保障。
  • 具有竞争力的薪酬和 401(k) 计划。
  • 全职员工可获得 RSU 授予。
  • 员工股票购买计划。
  • 灵活的休假政策。
  • 产假和陪产假。
  • 提供 MacBook Pro,并提供充足津贴用于个性化配置工作站。
  • 为人类子女提供托儿补贴。
  • 生育治疗及相关支持。
  • 学习与发展计划。
  • 通勤福利。
  • 支持工作与生活平衡的文化。

相关职位