高级系统可靠性工程师

负责生产环境的管理，包括轮班值守和重大事件处理；主导根本原因分析并推动问题解决；定义和维护SLOs/SLIs，推广团队中的可靠性优先理念；操作和优化AWS（EKS/ECS）的Kubernetes工作负载；使用Terraform和Ansible管理基础设施即代码；实施和维护Instana、CloudWatch和ELK的监控、警报和可观测性解决方案；执行日志分析、警报卫生和容量规划；支持CLM微服务的可靠性模式，包括API和异步/事件驱动处理；调优和维护AWS Bedrock和OpenSearch索引以获得最佳性能；应用安全优先原则；推动自动化优先实践、文档和跨团队协作；参与轮班值守，每月覆盖一个日历周。

3年以上系统可靠性工程或相关运维经验；精通AWS Bedrock和OpenSearch，专注于索引和性能调优；熟悉AWS基础，包括EC2、EKS/ECS和IAM/网络；具备生产规模Kubernetes操作经验；熟悉使用Terraform的基础设施即代码；具备Instana、CloudWatch和ELK等可观测性工具的技能；了解微服务可靠性模式、API和异步/事件驱动处理；了解SLO/SLI定义、根本原因分析方法和问题管理实践；熟悉安全优先原则和运营安全；具备生产所有权、轮班职责和重大事件响应能力；具备良好的协作、文档和自动化优先心态；英语B2水平以确保有效沟通和文档。

远程或在乌克兰的舒适办公室或共享工作空间灵活工作；获得必要的设备执行工作；在EPAM内更改项目和技术堆栈；有机会在其他EPAM地点获得搬迁机会；参与志愿、慈善项目和社区（技术及兴趣类）；专注于您的职业成长：与经理共同规划个人职业路径；获得同事的定期反馈；免费提高英语水平（Speaking Clubs、客户面试准备课程等）；获得AWS、GCP或Azure云的免费培训和认证机会；使用内部E-learn培训计划（18,200+专业培训和指导课程）；访问LinkedIn Learning、Get Abstract等合作伙伴资源；在EPAM解决方案架构学校与实践架构师学习；发展成为领导者，加入交付管理、资源管理、领导力 essentials学校等；参与内部社区（500+会议、技术讨论、头脑风暴会、在线活动和年度会议）。

EPAM strives to provide its global team of over 62,350 professionals in more than 55 countries with opportunities for professional growth from day one of collaboration. Our colleagues are the source of EPAM's success, so we value cooperation, strive to always understand our clients' business and aim for the highest quality standards. No matter where you are, you will join a dedicated, diverse community that will help you realize your potential to the fullest.