SRE Pleno

Site Reliability Engineer (SRE) Pleno

Objetivo da posição

Atuar na sustentação, administração, observabilidade e evolução dos ambientes de infraestrutura e aplicações, garantindo disponibilidade, estabilidade, segurança e desempenho dos serviços.

O profissional será responsável principalmente pela administração dos ambientes AWS, Kubernetes, soluções de backup Veeam/AWS e observabilidade através do Datadog, atuando também na análise e resolução de incidentes.

Principais responsabilidades

Administração de Recursos AWS

• Administrar e acompanhar recursos e serviços hospedados na AWS.
• Realizar troubleshooting de infraestrutura, conectividade, disponibilidade e performance.
• Acompanhar utilização e capacidade dos recursos.
• Apoiar provisionamento, configuração e manutenção dos ambientes.
• Administrar recursos como EC2, EBS, S3, IAM, VPC, Load Balancers, Route 53 e demais serviços utilizados pela organização.
• Analisar eventos, logs e métricas através de Cloud

Watch e Cloud
Trail.

• Apoiar aplicação de boas práticas de segurança, disponibilidade e controle de acesso.
• Participar da análise e otimização de custos e recursos AWS.
• Apoiar processos de atualização, manutenção e mudanças de infraestrutura.

• Administração de Backup Veeam e AWS
• Administrar e monitorar rotinas de backup através do Veeam e serviços AWS.
• Acompanhar execução, sucesso e falhas dos jobs de backup.
• Investigar e corrigir falhas relacionadas às rotinas de backup.
• Executar e acompanhar procedimentos de restore quando necessário.
• Realizar testes periódicos de recuperação para garantir a integridade dos backups.
• Apoiar políticas de retenção, armazenamento e ciclo de vida dos backups.
• Acompanhar capacidade e utilização dos repositórios de backup.
• Apoiar procedimentos relacionados a Disaster Recovery e continuidade de negócio.
• Manter documentação e evidências das rotinas e testes de recuperação.

• Administração de Clusters Kubernetes
• Administrar e monitorar clusters Kubernetes.
• Acompanhar Pods, Deployments, Stateful
• Sets, Daemon
• Sets, Services, Ingress, Config
• Maps e Secrets.
• Realizar troubleshooting de aplicações e workloads executados nos clusters.
• Analisar eventos, logs, probes, consumo de CPU/memória e comportamento dos Pods.
• Investigar problemas como Crash
• LoopBackOff, Image
• PullBackOff, OOM
• Killed, falhas de probes e indisponibilidade de aplicações.
• Apoiar atualização e manutenção dos clusters e seus componentes.
• Administrar namespaces, permissões e recursos dos ambientes.
• Apoiar configurações de escalabilidade, requests, limits e autoscaling.
• Trabalhar em conjunto com os times de desenvolvimento na análise de problemas das aplicações.
• Apoiar processos de deploy e operação de aplicações utilizando práticas de CI/CD e GitOps.

• Administração de Observabilidade e Datadog
• Administrar e manter dashboards no Datadog.
• Criar e evoluir dashboards técnicos e operacionais.
• Criar e ajustar monitors e alertas.
• Acompanhar métricas de infraestrutura e aplicações.
• Realizar análise de logs, métricas e traces para troubleshooting.
• Utilizar recursos de APM para identificação de gargalos e falhas de aplicações.
• Acompanhar indicadores de disponibilidade, latência, erros e saturação.
• Apoiar definição e acompanhamento de SLIs e SLOs.
• Revisar alertas buscando redução de falsos positivos e melhoria da qualidade da monitoração.
• Apoiar times técnicos durante incidentes utilizando dados de observabilidade para identificação da causa raiz.

Atuação operacional

• O profissional também deverá:
• Atuar no atendimento e resolução de incidentes de infraestrutura e aplicações.
• Realizar troubleshooting de problemas de média complexidade.
• Participar de análises de causa raiz (RCA).
• Registrar procedimentos, incidentes e soluções em documentação técnica.
• Executar mudanças seguindo os processos internos de Change Management.
• Trabalhar em conjunto com os times de SRE, Infraestrutura, Redes, Segurança, Banco de Dados e Desenvolvimento.
• Apoiar automações para redução de atividades operacionais manuais.
• Participar da evolução contínua dos ambientes e processos de confiabilidade.

• Conhecimentos técnicos desejados
• AWS.
• Kubernetes.
• Veeam Backup & Replication.
• Datadog.
• Linux.
• Redes TCP/IP, DNS, HTTP/HTTPS e troubleshooting de conectividade.
• Conceitos de containers e Docker.
• Git.
• CI/CD.
• Shell Script e/ou Python.
• Terraform ou outra ferramenta de Infrastructure as Code.
• Conceitos de observabilidade: métricas, logs e traces.
• Conceitos de alta disponibilidade, backup e Disaster Recovery.
• Conhecimentos básicos de segurança em ambientes Cloud.

Perfil esperado

Buscamos um profissional de nível pleno, com autonomia para executar atividades operacionais e troubleshooting de média complexidade, capacidade de análise de incidentes e interesse em automação e melhoria contínua.

É importante possuir boa comunicação, organização, senso de responsabilidade sobre ambientes produtivos e capacidade de trabalhar de forma integrada com diferentes times técnicos.