Engenheiro de Confiabilidade do Site

Engenheiro de Confiabilidade do Site

Departamento: Operações Técnicas

Tipo de Emprego: Tempo Integral

Localização: Portugal

Reportando a: Taras Kapanaiko

Principais Responsabilidades

• Construir e operar plataformas de métricas/monitoramento: Prometheus e/ou VictoriaMetrics (configurações de scrape, exporters, regras de gravação)
• Projetar e manter estratégia de alertas: limiares, deteção de anomalias, roteamento de alertas, deduplicação e redução de ruído
• Integrar monitoramento/alertas e eventos com BigPanda (correlação, enriquecimento, roteamento, fluxos de trabalho de incidentes)
• Criar e manter painéis e visibilidade operacional (Grafana ou equivalente)
• Desenvolver e manter runbooks, playbooks operacionais e procedimentos de resposta a incidentes
• Participar em turnos de prontidão: triagem de alertas, gestão de incidentes, coordenação de resposta e liderança de comunicação durante falhas
• Realizar análise de causa raiz, postmortems e implementar ações corretivas/preventivas
• Melhorar a confiabilidade do serviço via SLOs/SLIs, planeamento de capacidade e automação para reduzir o trabalho repetitivo
• Suportar monitorização para infraestrutura e serviços principais em Windows e Linux, incluindo componentes de HA e clusters
• Colaborar com DevOps/Engenharia para instrumentar aplicações e padronizar telemetria (métricas, logs, rastros)

Habilidades, Conhecimento e Especialização

• Experiência em SRE / Operações / DevOps com responsabilidade por incidentes de produção
• Experiência prática com Prometheus e/ou VictoriaMetrics (exporters, regras de alerta, regras de gravação, resolução de problemas)
• Experiência integrando pipelines de alertas/eventos com BigPanda (ou ferramentas semelhantes de correlação de eventos)
• Fortes habilidades de resolução de problemas em sistemas Linux e Windows (rede, SO, serviços)
• Capacidade de construir alertas fiáveis com ruído mínimo (correlação, agrupamento, supressão, janelas de manutenção)
• Experiência com fluxos de trabalho baseados em Git para monitorização como código e gestão de configuração

Bom ter

• Administração do Grafana e padrões de design de painéis
• Gestão de logs (ELK/EFK, Loki) e/ou rastreamento (OpenTelemetry)
• Habilidades de automação (Python, PowerShell, Bash) e ferramentas de configuração (Ansible)
• Operações de mensageria/cache/proxy: RabbitMQ, Redis, Nginx
• Experiência com clustering Windows ou ambientes de HA
• Experiência em definir SLOs/SLIs e KPIs operacionais
• Experiência em gerir componentes e protocolos VOIP (SIP, FreeSwitch, OpenSIP, controladores de borda de sessão)
• Experiência com componentes de balanceamento de carga (F5 LTM, F5 GTM)
• Experiência com plataformas de Virtualização como VMWare ou HyperV
• Experiência em administrar inquilinos AWS ou Azure

Expectativas de prontidão

• Participação em um programa rotativo de prontidão (incluindo noites/fins de semana, conforme necessário)
• Responsabilidade pela resposta a incidentes: triagem rápida, escalamento, mitigação e melhorias de acompanhamento
• Compromisso em melhorar a qualidade da monitorização para reduzir a fadiga de alertas e melhorar o MTTR

Diversidade, Inclusão e Igualdade de Oportunidade

Nós contratamos, promovemos e recompensamos os funcionários com base na capacidade de desempenhar suas responsabilidades, sem considerar raça, cor, crença, religião, sexo, género, estado civil, nacionalidade, ascendência, idade, cidadania, deficiência física ou mental, orientação sexual ou qualquer outra base protegida pela legislação aplicável. Não toleramos discriminação no emprego no local de trabalho e estamos comprometidos em fazer acomodações razoáveis para deficiências identificadas ou outras limitações, conforme exigido por todas as leis aplicáveis.

Sobre a Intermedia Intelligent Communications

Para explorar outras oportunidades, consulte a nossa página de carreiras: https://www.intermedia.com/about-us/careers