JumpCloud 为拥有分布式 IT 环境的组织开发统一的身份、设备和访问管理平台。其 SaaS 产品整合了云目录服务、跨平台设备管理、Active Directory 现代化、身份生命周期控制、条件访问、无密码身份验证、多因素身份验证和零信任安全功能。该平台还支持自动化入职与离职流程、合规工作流、SaaS 管理以及与人力资源系统的集成，帮助企业团队跨操作系统管理用户和设备，同时降低运营复杂性。
现场可靠性工程师 – 印度远程
提升 JumpCloud AI 驱动的 IT 管理平台在 AWS 和 GCP 上的可靠性。 负责可观测性、Kubernetes、灾难恢复、自动化和事件响应等工作。
描述
- 设计、部署和维护 JumpCloud 在 AWS 和 GCP 上关键系统及 API 的可靠性、可用性和性能
- 与应用团队合作，落实 SLI、SLO 和错误预算
- 使用 Datadog 等工具，为微服务和云基础设施构建并改进端到端可观测性
- 围绕黄金信号创建监控：延迟、流量、错误和饱和度
- 参与值班轮换、响应事件，并主持无责备的事后复盘
- 通过包括 Argo CD 和 Kargo 在内的 GitOps 工作流运维生产环境 Kubernetes EKS 集群
- 使用模块化 Terraform 配置部署并保护多云基础设施
- 维护灾难恢复仪表板和运行手册，以及符合 RTO 和 RPO 目标的多区域故障转移自动化和验证测试
- 开发可用于生产环境的 Python 或 Go 脚本和自动化工具，减少运维负担
- 将 Cursor、Claude Code 和 GitHub Copilot 等 AI 辅助工具应用于脚本编写、运行手册创建和事件分诊
任职要求
- 至少五年的专业软件工程经验，曾在 SRE、DevOps 或平台工程岗位中负责全天候运行的关键任务系统
- 熟练使用 Python 或 Go 开发 SRE 工具、自定义自动化和云集成
- 具备 Kubernetes、容器编排以及 Argo CD 等 GitOps 流水线的生产环境经验
- 具备创建、维护和模块化 Terraform 配置的经验
- 具备 AWS 工作负载运维经验，包括 EKS、IAM、VPC 网络、Route 53 和 ALB/NLB；或具备同等 GCP 工作负载经验
- 具备 FinOps、成本分配标签、资源优化和云支出仪表板方面的实践知识
- 具备创建灾难恢复仪表板、开展故障转移演练以及监控系统健康状况和恢复指标的经验
- 具备 Datadog 或同类平台、PagerDuty、告警实践以及 SLI/SLO 框架的实际经验
- 具备配置和排查生产环境服务网格（如 Istio）以及高可用代理（如 HAProxy 或 NGINX）的运维经验
- 具备出色的问题排查能力，并有通过代码提升运维效率的实践记录
- 具备团队协作意识，并认同公司的核心价值观
- 能够并愿意参与值班
- 英语口语和书面表达流利
- 优先考虑：具备 GitHub Actions 或 GitLab Pipelines 经验
- 优先考虑：了解混沌工程或韧性测试基础
- 优先考虑：熟悉 HashiCorp Vault、AWS Secrets Manager 或 External Secrets Operator
- 优先考虑：了解 DevSecOps 工具和基础设施即代码漏洞修复基础
福利待遇
- 以印度为基地的远程优先工作方式
- 在快速发展的 SaaS 环境中工作
- 获得职业成长和知识分享机会
- 与全球优秀团队合作
- 将员工观点融入产品和功能开发
- 与支持员工的管理团队和董事会共事
- 平等就业机会
- 不接受来自第三方简历服务商的申请