Vereinigte Staaten
CONCEPT SOLUTIONS LLC
MCCi
Cloud Operations Engineer
Vereinigte Staaten
United States
PythonSQLGoTerraform
Automatische Übersetzung. Prüfe das Original.
Über die Rolle
Wir suchen einen Cloud Operations Engineer für unser Team. Während die Position breitere Verantwortlichkeiten im Cloud-Betrieb unterstützt, liegt der Schwerpunkt auf Site Reliability Engineering (SRE) für JustFOIA, unsere SaaS Plattform, die von Regierungsbehörden zur Entgegennahme, Verfolgung und Bearbeitung von Anfragen zu öffentlichen Aufzeichnungen genutzt wird. Diese praktische Rolle ist verantwortlich für die Verbesserung der Zuverlässigkeit, Verfügbarkeit, Leistung und operativen Reife von JustFOIA. Die Rolle wird Beobachtbarkeit, Automatisierung und disziplinierte Incident-Management-Praktiken nutzen, um Probleme frühzeitig zu erkennen, Dienste schnell wiederherzustellen, wiederkehrende Fehler zu verhindern und repetitive operative Arbeiten zu reduzieren. Diese Position wird eng mit dem JustFOIA-Entwicklungsteam zusammenarbeiten und gleichzeitig zur Bereitstellungsautomatisierung, Infrastrukturverbesserungen und den sich entwickelnden DevOps Praktiken der Plattform beitragen. Die Rolle kann auch andere MCCi SaaS Lösungen unterstützen, während sich die Verantwortlichkeiten des Cloud Operations-Teams weiterentwickeln.
Der voraussichtliche Schwerpunkt der Position beträgt ungefähr:
- 70% Site Reliability Engineering: Überwachung, Incident Response, Ursachenanalyse, Zuverlässigkeitsverbesserungen, Automatisierung und operative Verantwortung
- 20% DevOps: CI/CD, Infrastructure as Code (IaC) und Verbesserungen bei der Bereitstellung
- 10% Architektur: Design-Zusammenarbeit, Zuverlässigkeitsberatung und Skalierbarkeitsempfehlungen
Was Sie von uns erwarten können
Wir sind wirklich MEHR als ein Unternehmen! Wir haben eine Leidenschaft für Wachstum und das Erreichen von Zielen, aber wir wollen es als Team gemeinsam tun und den Weg genießen, während wir vorankommen.
WIR SIND ZUGÄNGLICH.
Möchten Sie mit einem Mitglied des Managements oder der Führung sprechen? Gehen Sie hin und sagen Sie Hallo.
WIR VERTRAUEN IHNEN.
Wir haben keine Million Regeln, weil wir glauben, dass Sie unseren Culture Code annehmen und gute Entscheidungen treffen werden.
WIR UMARMEN TECHNOLOGIE.
Wir lieben sie, verkaufen sie, unterstützen sie, nutzen sie und brauchen sie.
WIR KLEIDEN UNS BEQUEM.
Wir brauchen Sie, um hart zu arbeiten, nicht um eine Krawatte zu tragen.
WIR SIND FREUNDLICH.
Freundlich, vergebend, einfühlsam und respektvoll zu sein, kann Ihr Leben und das Leben aller um Sie herum verändern.
WIR GENIESSEN UNSER TEAM.
Nutzen Sie Ihre Webcam, arbeiten Sie zusammen, bauen Sie Beziehungen auf und erkennen Sie andere für großartige Arbeit an. Sie arbeiten viel; machen Sie das Beste aus Ihrer Zeit hier.
WIR VIRTUALISIEREN ALLES.
Wir streben nach 100% Inklusion unserer Remote-Kollegen.
Was Sie tun werden
Überwachung und Beobachtbarkeit
- Erstellung und Wartung von Überwachungs-, Alarmierungs-, Dashboard-, Protokollierungs- und operativen Berichten über Anwendungs-, Datenbank- und Infrastrukturebenen.
- Proaktive Analyse von Protokollen, Metriken, Traces und Service-Health-Indikatoren zur Identifizierung aufkommender und wiederkehrender Probleme.
- Verbesserung der operativen Sichtbarkeit bei gleichzeitiger Erhöhung der Alarmqualität und Reduzierung von Rauschen.
Zuverlässigkeit und Incident Management
- Verbesserung der Zuverlässigkeit, Verfügbarkeit, Leistung, Skalierbarkeit und Wartbarkeit der Plattform.
- Teilnahme an der Bereitschaftsrotation und Leitung von Incident-Triage, Fehlerbehebung, Eskalation und Wiederherstellung des Dienstes.
- Isolierung von Produktionsproblemen über Anwendungs-, IIS/.NET, SQL Server-, Netzwerk- und Cloud-Plattformkomponenten hinweg.
- Leitung von blameless Post-Incident-Reviews, Durchführung von Ursachenanalysen und Abschluss der daraus resultierenden Korrekturmaßnahmen.
Cloud-Betrieb und Automatisierung
- Betrieb und Verbesserung von Azure und Azure Government-Umgebungen.
- Entwicklung von Automatisierung, die repetitive Arbeit, menschliche Fehler und Konfigurationsinkonsistenzen reduziert.
- Wartung und Verbesserung von Infrastructure-as-Code, Konfigurationsmanagement, Bereitstellungs- und operativen Werkzeugen.
- Unterstützung von CI/CD Pipelines und Anwendungsfreigabeprozessen.
Leistung und Ausfallsicherheit
- Identifizierung von Leistungsengpässen, Kapazitätsrisiken und Skalierbarkeitsbeschränkungen.
- Mitgestaltung und Verfolgung von Service-Level-Indikatoren und -Zielen, Fehlerradien oder gleichwertigen Zuverlässigkeitsmaßnahmen.
- Unterstützung von Backup-Validierung, Disaster Recovery, Failover-Tests, Kapazitätsplanung und operativen Bereitschaftsprüfungen.
Sicherheit und operative Exzellenz
- Unterstützung bei der Behebung von Schwachstellen, operativen Sicherheitskontrollen und Compliance-Initiativen.
- Erstellung und Pflege von Runbooks, Fehlerbehebungsanleitungen, Wiederherstellungsverfahren und operativer Dokumentation.
- Partnerschaft mit Entwicklungsteams zur Verbesserung der Anwendungszuverlässigkeit, Beobachtbarkeit und Supportfähigkeit.
Was Sie für den Erfolg benötigen
Erforderlich
- Sechs oder mehr Jahre allgemeine IT-Erfahrung.
- Drei oder mehr Jahre Erfahrung im Bereich Site Reliability Engineering für produktive SaaS Workloads in einer Public Cloud, mit direkter Verantwortung für deren Verfügbarkeit und Leistung. Angrenzende Erfahrung im Cloud-Betrieb oder DevOps allein erfüllt diese Anforderung nicht.
- Nachgewiesene Verantwortung für den gesamten Zuverlässigkeitszyklus: Instrumentierung eines Dienstes, Definition dessen, was „gesund“ bedeutet, Reaktion auf Vorfälle, Durchführung von Ursachenanalysen und Lieferung der technischen Arbeiten, die eine Wiederholung verhindert haben.
- Erfahrung in der Unterstützung kundenorientierter, geschäftskritischer Anwendungen.
- Starke Fähigkeiten in Fehlerbehebung, Kommunikation, Zusammenarbeit und technischer Dokumentation.
Kandidaten müssen Erfahrung in der Durchführung von Site Reliability Engineering-Funktionen für eine SaaS Anwendung haben, einschließlich praktischer Produktionserfahrung in jedem der folgenden Bereiche:
- Definition und Anwendung von Zuverlässigkeitsmaßnahmen wie SLIs, SLOs und Error Budgets
- Aufbau von Beobachtbarkeit für einen Produktionsdienst: Metriken, zentralisierte Protokollierung, verteilte Tracing, Dashboards und Anwendungsleistungsüberwachung
- Entwurf von umsetzbaren Alarmierungen und Reduzierung von Alarmrauschen
- Leitung von Incident Response, Ursachenanalyse und blameless Post-Incident-Reviews sowie Durchführung der daraus resultierenden Zuverlässigkeitsverbesserungen bis zum Abschluss
- Schreiben von Automatisierung, die wiederkehrende operative Arbeit eliminiert, in PowerShell, Python, Bash oder einer vergleichbaren Sprache
- Infrastructure as Code und Konfigurationsmanagement
- Betrieb von Workloads in Microsoft Azure oder einer anderen großen Public Cloud
Bevorzugte Qualifikationen
- Produktionsunterstützung für Windows Server und IIS/.NET Anwendungen
- Überwachung und Leistungs-Fehlerbehebung von SQL Servern, auf Azure SQL und SQL Servern auf virtuellen Maschinen
- CI/CD Pipelines und Bereitstellungsautomatisierung
- Leistungstests und Kapazitätsplanung
- Netzwerkverkehrsmanagement, Load Balancing, Web Application Firewalls und Content Delivery
- Backup, Replikation, Failover, Disaster Recovery und Wiederherstellungstests
- Container und Orchestrierungstechnologien
Das Cloud Operations-Team verwendet derzeit Datadog, Azure Application Insights, Elastic, Terraform, Ansible, PowerShell, Azure DevOps und Cloudflare. Erfahrung mit diesen Tools ist von Vorteil, aber uns ist wichtiger, wie Kandidaten vergleichbare Technologien angewendet haben, als die Vertrautheit mit einem bestimmten Produkt.
MCCi ist ein Arbeitgeber, der Chancengleichheit bietet. Wir feiern Vielfalt und sind bestrebt, ein integratives Umfeld für alle Mitarbeiter zu schaffen.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen