Site Reliability Engineer - Vice President in Lisbon

A equipa de Engenharia de Confiabilidade do Site na i Capital é fundamental para garantir que a nossa plataforma oferece um serviço consistente e confiável à nossa base de clientes. Os nossos serviços funcionam em Kubernetes na AWS, e este papel foca-se em mantê-los saudáveis em produção.

Estamos à procura do engenheiro prático a quem os outros recorrem quando a produção está quebrada e a causa não é óbvia. Você irá solucionar problemas em toda a pilha (a aplicação, seus contêineres, Kubernetes e a infraestrutura de nuvem subjacente) e transformar o que você aprende em melhorias duradouras: padrões de confiabilidade mais fortes, implementações mais seguras, alertas mais precisos e automação que previne falhas recorrentes. Você confiará em métricas, logs e rastreamentos todos os dias, mas o coração deste papel é diagnosticar e corrigir o que eles revelam.

Responsabilidades

• Atuar como ponto de escalonamento sênior para questões complexas de produção em serviços baseados em Kubernetes, liderando investigações práticas através das camadas de aplicação, contêiner, Kubernetes e AWS até a causa raiz.
• Colaborar com as equipes que possuem nossa infraestrutura de cluster para resolver problemas em nível de plataforma e alimentar o que você aprende de volta nos padrões e melhorias de confiabilidade.
• Definir e implementar padrões de confiabilidade e operabilidade para serviços baseados em Kubernetes, incluindo dimensionamento de recursos, verificações de saúde, padrões de escalonamento, segurança de implementação e monitoramento básico, como parte da integração do serviço.
• Servir como Comandante de Incidentes ou líder técnico sênior para incidentes de alta severidade, liderar postmortems e impulsionar melhorias sistêmicas através de itens de ação e acompanhamento mensurável.
• Transformar investigações recorrentes em runbooks, ferramentas de diagnóstico e remediação automatizada que encurtam o tempo de resolução e eliminam trabalho repetitivo.
• Orientar engenheiros em solução sistemática de problemas e melhores práticas de Kubernetes através de revisões, dias de jogos e compartilhamento de conhecimento.
• Definir, implementar e iterar objetivos de nível de serviço (SLOs) e indicadores de nível de serviço (SLIs) que reflitam as expectativas dos clientes e do negócio.
• Padronizar monitoramento e alerta através de "monitores como código" (Terraform preferido), incluindo portas de qualidade como severidade, propriedade e links de runbook.
• Operar e ajustar pipelines de Open Telemetry, incluindo sanitização de dados, gerenciamento de cardinalidade e enriquecimento de telemetria com campos consistentes.
• Manter a infraestrutura por trás de nossa pilha de monitoramento, incluindo Helm charts, Argo CD Application Sets, Kinesis streams, funções Lambda e Prometheus.
• Participar de rotações de plantão com foco em melhorar a confiabilidade, reduzir ruído de alertas e aumentar a qualidade do sinal ao longo do tempo.

O que você precisa (Obrigatório)

• Mais de 5 anos em SRE ou funções relacionadas, com evidências de senioridade técnica em múltiplos serviços e equipes.
• Mais de 3 anos de experiência prática em execução e solução de problemas de cargas de trabalho de produção em Kubernetes, com uma compreensão profunda de como o Kubernetes agenda, conecta, escala e implementa cargas de trabalho.
• Capacidade comprovada de diagnosticar independentemente falhas complexas em sistemas distribuídos executando em Kubernetes, abrangendo aplicação, configuração, recursos, rede e problemas de escalonamento, incluindo casos onde a causa raiz não era óbvia.
• Fundamentos sólidos de Linux e rede, com a capacidade de solucionar problemas abaixo da camada de contêiner.
• Experiência sólida em produção com AWS, incluindo como redes de nuvem e controles de acesso afetam cargas de trabalho executando em Kubernetes.
• Habilidades sólidas de resposta a incidentes, incluindo liderança de retrospectivas/postmortems e acompanhamento de correções sistêmicas.
• Habilidades sólidas de IaC (Terraform preferido), com exemplos de módulos reutilizáveis, padrões de monitores como código ou trabalho de padronização semelhante, e a capacidade de codificação para construir automação e ferramentas de diagnóstico.
• Histórico de definição de SLOs/SLIs e uso de uma pilha de observabilidade (como Prometheus/Grafana, New Relic, Splunk ou similar) para impulsionar decisões e encontrar causas raízes rapidamente.
• Comunicação escrita e verbal clara, com a capacidade de influenciar equipes de engenharia através de padrões, ferramentas e orientações práticas.

Diferenciais

• Certificação Kubernetes (CKA ou CKS) ou profundidade equivalente.
• Experiência em melhorar a segurança de implementação e o comportamento de escalonamento automático para cargas de trabalho em Kubernetes.
• Familiaridade com bancos de dados comuns (Postgres, Mongo DB, Dynamo DB) e como eles falham em sistemas distribuídos.
• Experiência em instrumentação de Open Telemetry em larga escala.

Acreditamos que as melhores ideias e inovações acontecem quando estamos juntos. Os funcionários nesta função trabalharão no escritório quatro dias, com a flexibilidade de trabalhar remotamente um dia (sexta-feira).

A i Capital oferece um pacote abrangente de benefícios que inclui um programa de compensação total composto por salário competitivo, bônus de desempenho anual e participação acionária para todos os funcionários em tempo integral; assistência médica com 100% do seguro de saúde e dental pago pelo empregador; e generoso tempo livre remunerado (PTO).