網站可靠性工程師（AWS/Kubernetes）—加拿大遠端
負責 Rentsync 租賃物業軟體在 AWS 和 Kubernetes 上的正式環境可靠性。主導事件回應、可觀測性、自動化、效能測試與基礎設施強化。
說明
- 回應各項服務的正式環境警示與事件，從初步分流到問題解決
- 診斷並解決 AWS 與 Kubernetes 問題，包括 Pod 失敗、資源耗盡、部署故障、網路與 DNS、資料庫及快取問題
- 透過回復部署、擴展、重新設定或修補基礎設施，迅速恢復服務
- 需要程式碼變更時，根據明確的診斷結果向開發團隊升級問題
- 管理 PagerDuty 與工作時間內的事件回應，同時改善 MTTD 與 MTTR
- 主持無責備事後檢討，並協調後續技術改進
- 將執行手冊與重複性營運任務自動化，包括運用 AI 協助分流、調查與修復
- 使用 Prometheus/Mimir、Loki、Tempo、Grafana 與 OpenTelemetry 開發並維護 Kubernetes 及服務可觀測性
- 監控正式環境發布，找出延遲、錯誤與資源使用量的回歸問題
- 建立並維護合成監控、冒煙測試、健康檢查以及負載或效能測試
- 與工程團隊合作處理效能與可靠性問題，並建立 SLO、SLI 與錯誤預算
- 透過 Terraform、Kubernetes 資源調校、自動擴展、CI/CD 控制、密鑰管理與 IAM 改進來強化平台
- 持續更新服務文件與架構決策
職位要求
- 至少 3 年雲端工程、DevOps 或 SRE 職務經驗，負責支援正式環境中的網頁應用程式
- 具備處理正式環境事件並直接解決問題的實務經驗
- 具備豐富的 AWS 正式環境經驗，熟悉 EKS、EC2、RDS、VPC 網路、IAM 與 CloudWatch
- 具備進階正式環境 Kubernetes 經驗，包括工作負載故障排除、偵錯與監控
- 具備與工程團隊合作診斷並解決效能及可靠性問題的經驗
- 具備使用 Prometheus、Grafana、Loki、Datadog 或 CloudWatch 等可觀測性平台的經驗
- 具備使用 PagerDuty 等待命與警示平台的經驗
- 具備建立自動化正式環境可靠性檢查的經驗，包括合成測試、冒煙測試、健康檢查或負載測試
- 願意在未來加入非工作時間待命輪值
- 具備 Terraform 基礎設施即程式碼與 CI/CD 管線經驗
- 具備扎實的 Linux、網路與容器基礎
- 具備 Bash、Python 或類似語言的指令碼撰寫與自動化能力
- 能在事件期間清晰、沉著地溝通，並進行跨團隊協作
- 具備以下經驗者優先：SRE AI 工具、Azure 或 GCP、多種技術堆疊、AWS 認證、大規模 LGTM 或 OpenTelemetry、k6、Locust 或 JMeter、MySQL 或 PostgreSQL 維運、Redis 或 Memcached 調校、Cloudflare，以及雲端成本或容量最佳化
福利待遇
- 完全遠端職位
- 可能優先考慮居住在距離任一辦公室合理通勤範圍內的候選人
- 平等機會雇主
- 可提供面試便利安排
- 最終面試階段可能會進行犯罪背景調查