核心流式处理系统可靠性工程师（远程-美国）

我们负责构建和操作可扩展、可靠的系统，以支持Yelp的关键业务功能。我们的系统可靠性工程师（SRE）确保我们的服务保持快速、可靠和可用，即使在我们增长和需求演变时。作为专注于Kafka的SRE，你将发挥关键作用，管理我们的实时数据流基础设施并支持大规模的事件驱动应用程序。我们工作在软件开发和分布式系统交汇处，拥有组织流式架构的骨干。作为Kafka SRE，你将面临只有支持全球全天候应用程序的规模才会遇到的挑战。Yelp每天处理大量用户数据——超过3亿条业务评论、10万张照片上传和无数检查点。维护亚分钟的数据新鲜度在如此高体积下是一个激动人心的技术问题和非常有趣的领域。

设计、部署和维护跨混合和多云环境的大规模Kafka事件流基础设施。与工程师合作，启用新功能，确保数据管道可靠性，并建议实时数据处理的最佳实践。执行和自动化Kafka集群升级、迁移和重大版本发布，对关键服务影响最小。构建或增强自服务能力和自动化，用于集群操作、扩展和事件恢复。排查影响数据流、性能或稳定性的复杂问题，并推动根本原因分析。参与轮班值守。我们地理分布的SRE团队采用“跟随太阳”模式，所以没有人需要24小时轮班！