Site Reliability Engineer in Lisbon

Arcesium é uma empresa global de tecnologia financeira que resolve desafios complexos baseados em dados enfrentados por algumas das instituições financeiras mais sofisticadas do mundo. Estamos constantemente a inovar a nossa plataforma e capacidades para enfrentar os desafios de amanhã, antecipar os riscos que os nossos clientes encontram e desenhar soluções avançadas para ajudar os nossos clientes a alcançar resultados empresariais transformacionais.

A Arcesium está num momento particularmente interessante do nosso crescimento, à medida que procuramos aproveitar a nossa posição de mercado estabelecida com sucesso e expandir operações em busca de novas oportunidades de negócios estratégicas. Valorizamos a curiosidade intelectual, a propriedade proativa e a colaboração com os colegas, e capacitamos você a contribuir de forma significativa desde o primeiro dia e acelerar o seu desenvolvimento profissional.

Sobre o Papel e a Equipa

Estamos à procura de um Engenheiro de Confiabilidade de Site (SRE) inteligente, engenhoso e altamente qualificado para se juntar à nossa equipa de Engenharia de Confiabilidade de Plataforma (PSRE). Esta equipa desempenha um papel crítico em garantir a estabilidade, confiabilidade e disponibilidade de aplicações de produção mission-critical na plataforma Arcesium.

A equipa PSRE é responsável por:

• Observabilidade, monitoramento, registro e rastreamento para detectar e prevenir proativamente problemas.
• Construir ferramentas e infraestrutura que melhorem a estabilidade e resiliência do sistema.
• Resolver problemas de produção ao vivo com um foco profundo na resolução rápida de incidentes.
• Governar, declarar, gerenciar e recuperar de incidentes em toda a plataforma para minimizar o tempo de inatividade e o impacto nos negócios.

Como SRE nesta equipa de alto impacto, você trabalhará sob prazos apertados em um ambiente de alta pressão, onde cada segundo conta na resolução de incidentes críticos de produção. Isso significa que você deve ser rápido no pensamento, altamente analítico e proativo na prevenção e resolução de interrupções.

O que você fará:

• Gestão de Incidentes: Servir como contato principal e líder para incidentes e questões críticas que impactam nossa plataforma durante o horário comercial de NY. Assumir a responsabilidade pelos incidentes, conduzir comunicação eficaz e facilitar a resolução rápida colaborando com as equipas de engenharia relevantes.
• Monitoramento Proativo & Análise: Monitorar continuamente a saúde e o desempenho de nossas aplicações e infraestrutura. Analisar tendências, identificar riscos potenciais e implementar medidas proativas para prevenir incidentes e melhorar a confiabilidade geral do sistema.
• Resolução de Problemas: Resolver questões técnicas complexas em várias camadas da pilha (aplicação, infraestrutura, rede). Utilizar suas habilidades analíticas e expertise técnica para identificar causas raízes e implementar soluções eficazes.
• Colaboração & Comunicação: Trabalhar em estreita colaboração com as equipas de engenharia, desenvolvimento e operações para garantir uma colaboração perfeita durante a resposta a incidentes e em iniciativas proativas de confiabilidade. Comunicar-se efetivamente com partes interessadas em todos os níveis, fornecendo atualizações claras e concisas sobre incidentes e status do sistema.
• Automação & Otimização: Identificar oportunidades para automatizar tarefas, melhorar a eficiência operacional e aumentar a resiliência de nossos sistemas. Desenvolver ferramentas e scripts conforme necessário para agilizar processos e reduzir a intervenção manual.
• Melhoria Contínua: Contribuir para o desenvolvimento e melhoria contínua de nossas práticas, ferramentas e processos de SRE. Compartilhar seu conhecimento e expertise com a equipe para fomentar uma cultura de aprendizado e crescimento.

O que estamos procurando:

• +2 anos de experiência em um papel de Engenharia de Confiabilidade de Site (SRE), DevOps ou Engenharia de Produção, com uma compreensão profunda dos princípios e melhores práticas de SRE.
• Especialização em gestão de incidentes, incluindo triagem, escalonamento e resolução de interrupções de alta severidade.
• Proficiência em pelo menos uma linguagem de programação (Python ou Java) para automação e depuração.
• Experiência prática em Kubernetes (K8s) para gerenciar e orquestrar aplicações conteinerizadas.
• Experiência em nuvem (preferencialmente AWS) com exposição a serviços-chave como EC2, S3, Lambda e CloudWatch.
• Excelentes habilidades de comunicação para articular desafios e soluções técnicas de forma eficaz.
• Fortes habilidades de resolução de problemas, com experiência em diagnosticar questões complexas de produção.
• Capacidade de manter a calma sob pressão, multitarefar e priorizar efetivamente em ambientes dinâmicos.
• Fluência em inglês (falado e escrito) é obrigatória.
• Deve ter o direito legal de trabalhar no país.

Habilidades Desejáveis:

• Experiência com Terraform ou CloudFormation para infraestrutura como código.
• Experiência com ferramentas de monitoramento (por exemplo, Datadog, Prometheus, Grafana).
• Familiaridade com arquiteturas de aplicações web e melhores práticas.
• Exposição a pipelines CI/CD e fluxos de trabalho DevOps.