Entrust 雇佣高级系统可靠性工程师在美国 | LinkedIn

职位描述：即时金融发行即服务（IFIaaS）云平台跨越多个本地环境。高级系统可靠性工程师将在确保平台的可靠性、可扩展性、安全性和运营卓越性方面发挥关键作用，这些环境分布在不同地理区域。鉴于数据中心的不对称性，SRE将设计和操作系统，优先考虑本地高可用性，同时确保有效、测试和合规的故障转移方案。该角色包括负责平台 uptime、环境管理、网络和应用程序可靠性、可观测性、自动化成熟度、合规性和运营卓越性。职责包括：负责可用性（99.9%）、延迟、错误率和服务质量的SLO/SLI；设计/操作端到端可观测性：指标、日志、跟踪、合成检查、真实用户监控（RUM）；对服务（Windows服务、API、后台任务）进行结构化日志和跟踪上下文仪器；构建健康探测器和SLA监控器用于关键交易和跨服务依赖；使用各种指标（如uptime、延迟、错误率、吞吐量、可用性）监控系统问题；部署和维护监控和轮班工具（如Splunk on-call、Prometheus、Datadog等）；领导事件响应（分诊、沟通、协调、实时缓解）并进行无责后验分析；维护和持续改进运行手册、升级路径、轮班制度和 paging 策略；实施 MTTA/MTTR 减少计划；建立战 room 协议并确保事件期间的利益相关者更新；预测计算、存储、网络需求，跟踪头寸与增长和峰值模式；进行性能分析和瓶颈分析（CPU、内存、I/O、线程池、连接池）；优化 VMware（DRS、亲和规则、预留）和 Windows VM 调整（内核、TCP 栈、网卡）；验证扩展策略（横向 vs 垂直）并实施自动扩展；标准化 gold images、配置基线和 desired state for Windows Server（PowerShell DSC 或等价物）；管理补丁（操作系统、中间件、运行时）与维护窗口对齐到错误预算；确保备份、快照、恢复策略满足 RPO/RTO；定期测试恢复；维护安全基线（CIS 基准 for Windows/VMware）、漏洞管理、补丁节奏；支持合规审计（PCI-CP、PCI-DSS、SOC 2/ISO 270_context），产生证据（配置、日志、访问审查），并修复缺口；自动化部署（VM 模板、DSC/Ansible for Windows、Terraform for VMware）和配置漂移检测/修正；构建运行手册以减少工作量（部署、扩展、回滚等）；创建可靠性护栏（预飞行检查、变更冻结规则、政策控制）作为代码；持续重构脚本/运行手册为 idempotent 自动化；与开发团队和其他利益相关者合作识别潜在风险，如安全漏洞、性能瓶颈、部署问题或配置错误；实施各种风险缓解策略，如补丁、备份、冗余、加密或测试；与产品团队和其他团队合作了解用户需求、期望和满意度；指导工程师在 SRE 原则、事件处理和可靠性导向设计方面；领导知识共享、运行手册质量、后验文化（无责、行动导向）；为生产问题提供轮班支持以确保系统 24/7/365 可用性。

基本要求：5年以上SRE、DevOps或软件工程角色经验，支持分布式、生产级环境，具备故障排除微服务、Windows/VMware系统和本地混合基础设施的强技能；具备自动化和可观测性经验，包括Terraform/Ansible/DSC、CI/CD流水线、日志/指标/跟踪系统以及企业监控工具（如Datadog、Prometheus或Splunk）；具备基础设施自动化工具（Terraform、Ansible、Jenkins、Octopus、PowerShell DSC等）的演示能力；精通VMware、Windows Server管理、网络基础和系统级性能分析；具备操作和故障排除企业微服务、API和分布式应用堆栈在本地/混合基础设施中的经验；必须具备：能够提供轮班生产支持以确保24/7/365系统可用性。

福利待遇：无明确提及

Entrust 通过全球范围内的可信身份、支付和数据保护解决方案，使世界安全运行。如今，人们要求无缝安全体验，无论是跨越国界、进行购买还是访问企业网络。凭借 unmatched 的数字安全和凭证发行解决方案，难怪世界上最受信赖的组织信任我们。

应聘流程：无明确提及