Senior Site Reliability Engineer（远程职位）

这条招聘信息来自 Playson，岗位是 Senior Site Reliability Engineer：这是高级职位，公司期待由你自己拿主意。职位属于「IT 与编程」类别，完全远程。公司招的是居住在欧洲的候选人。

招聘信息里列出的主要工具是：AWS、Kubernetes、Docker。简历上最好能给出正是这几项能力的具体例子。

公司没有公布具体数字，这一项会在面试时谈定。对工作时间，招聘信息没有提出任何条件。

这个职位通过了自动核查：凡是要求外国工作许可、签证担保、特定国籍，或者必须居住在指定国家的招聘信息，都不会进入列表。

职位介绍

我们正在寻找一位资深站点可靠性工程师加入我们的基础设施小队——这是一个充满技能和热情的团队，重视所有权，期望值高。这是一个高度互动的角色，位于高流量系统的核心，你将直接负责确保在快节奏环境中系统的可靠性和稳定性。

在这个角色中，你将应对实时生产挑战，管理事件，处理警报，并参与关键的24/7轮班。在压力下做出有弹性的决策，以及在大规模改进系统方面采取主动，这些都是成功的关键素质。

如果你在高需求环境中表现出色，喜欢解决复杂的生产问题，并希望直接对数百万用户使用的系统产生影响，那么这个机会非常适合你。

主要职责

- 监控系统可靠性：积极跟踪平台健康状况，管理警报，并实时响应事件。 - 参与24/7应急值班：在高流量（5-7k RPS）环境中全面负责生产稳定性。 - 分析事件：调查事件，进行根本原因分析，并实施长期解决方案以防止重复发生。 - 提升监控和可观测性：在Kubernetes（EKS）生态系统中构建和不断改进监控、警报和可观测性工具。 - 部署和优化基础设施：使用Terraform、Helm和GitOps工具（Flux/ArgoCD）部署、管理和优化基础设施。 - 推动自动化：推动系统自动化，减少手动干预和重复问题。 - 维护CI/CD管道：保持CI/CD管道和基础设施即代码实践的更新。 - 支持工程团队：与工程团队紧密合作，支持部署并最小化生产环境中的用户影响。 - 创新使用新工具：引入并集成新工具和技术，以增强可扩展性、可靠性和性能。 - 处理特定请求：管理环境特定请求，并在持续负载下确保平台操作的顺利进行。

所需技能

- Kubernetes专长：在高负载环境中拥有丰富的Kubernetes（部署、扩展、故障排除）实践经验。 - GitOps熟练：熟悉GitOps工具，如FluxCD或ArgoCD。 - 事件响应：在生产系统中拥有事件响应、根本原因分析和事后分析的实证经验。 - AWS和CI/CD：在AWS、Terraform、Docker和CI/CD管道方面有扎实的经验。 - 监控工具：在监控和可观测性工具方面有经验，如Datadog、Prometheus、Grafana和日志堆栈ELK或CloudWatch。 - 网络知识：对网络概念和协议有深入的理解。 - 脚本语言：精通至少一种脚本语言（如Python、Go、Node.js）。 - 版本控制：有版本控制系统（Git）的经验。 - 事件管理：熟悉事件管理工具，如PagerDuty、Opsgenie等。 - 快速变化的环境：能够在快节奏、高压力环境中有效运作，具备强烈的所有权意识和责任感。 - 主动心态：具有弹性和主动的心态，注重持续改进和系统稳定性。

我们提供

- 竞争性薪资 - 季度奖金 - 无限带薪休假 - 无限带薪病假 - 远程及灵活工作 - 私人医疗保险 - 生活事件财务支持 - 专业发展预算 - 国际化机会 - 定期公司活动

*福利可能根据地点和合同协议有所不同。*

招聘流程

1. HR面试（30-45分钟） 2. 技术面试（90分钟） 3. 最终面试（与C级高管）（60分钟）

提交申请即表示同意按照我们的隐私政策处理您的个人信息。