網站可靠性工程經理
領導網站可靠性、事件應變與 AI 輔助營運,並為 Podium 的 AI 員工打造基礎架構,服務超過 60,000 家在地企業。
說明
- 指導並培育網站可靠性工程師團隊。
- 招募並留住優秀工程師。
- 透過事件檢討建立不究責文化。
- 管理團隊日常交付,包括每日站會、工單整理、進度追蹤及利害關係人更新。
- 端到端負責正式環境的可用性與效能。
- 定義並管理服務層級指標、目標、協議及錯誤預算。
- 領導事件應變、值班營運、升級處理及事件檢討。
- 將重複性營運工作自動化,並落實長效修正措施。
- 領導容量規劃、擴充及災難復原策略。
- 部署並改良用於調查及事件應變的 AI 代理。
- 在事件工作流程中加入 AI 支援,例如事件摘要、根因假設及事後檢討草稿。
- 與工程、產品及安全團隊合作,將可靠性融入軟體開發生命週期。
- 在重大事件期間協調利害關係人。
- 代表 SRE 參與架構審查及路線圖規劃。
- 向管理層說明可靠性指標與風險。
- 持續更新營運手冊及作業指南。
- 監控正常運作時間、平均復原時間、平均偵測時間及錯誤預算。
- 改進監控、警示及事件應變工具。
- 協助規劃可觀測性與基礎架構預算,並參與供應商選擇。
職位要求
- 至少 8 年 SRE、DevOps 或基礎架構工程經驗。
- 至少 2 年領導或管理團隊的經驗。
- 深入了解分散式系統及 AWS、GCP 或 Azure 等雲端基礎架構,以及 Kubernetes 和 Docker。
- 具備 Datadog、Prometheus、Grafana、Honeycomb 或 ClickHouse 等可觀測性工具的實務經驗。
- 具備 CI/CD 及 Terraform、Ansible 或類似基礎架構即程式碼工具的使用經驗。
- 曾負責事件管理,並成功建立不究責的事後檢討文化。
- 具備 Python、Go 或類似語言的扎實指令碼撰寫或程式設計能力。
- 能向非技術受眾說明複雜技術問題。
- 具備在公司內部建置電話解決方案的經驗。
- 具備混沌工程經驗。
- 具備管理分散式或全球團隊值班營運的經驗。
- 熟悉與安全或法規遵循相關的可靠性工作,例如 SOC 2 或 ISO 27001。
- 具備隨公司成長擴展 SRE 職能的經驗。
福利待遇
- 人壽保險以及短期和長期失能保障。
- 帶薪產假及陪產假。
- 生育福利。
- 優渥的休假安排,另有三個為期四天的夏季假期週末。
- 醫療、牙科及視力保險。
- 提供公司相對提撥的 401(k) 計畫。
- 每年兩次寄送 Podium 品牌裝備及服飾。
- 猶他州總部設有健身房,並提供專業教練及課程。
- 猶他州總部提供補助托育服務。
- 開放且透明的職場文化。
