Customer Reliability Engineer

Verfügbare Standorte: Lissabon, Portugal

Über die Rolle

Cloudflare hat sich einen Ruf erarbeitet, um ein besseres Internet zu schaffen, indem es Millionen von Websites schützt und SSL sowie DDoS-Minderung kostenlos anbietet, während die Branche hohe Preise verlangte. In einer zunehmend gefährlichen Welt hat sich der Umfang dieser Mission verändert. Wir werden zu etwas mehr: kritische Infrastruktur. Banken betreiben ihre Zahlungsverkehrssysteme über uns. Regierungen führen öffentliche Dienstleistungen über uns aus. Medienunternehmen sind während Live-Events auf uns angewiesen. Gesundheitssysteme verlassen sich auf uns, um Pflege bereitzustellen. Zuverlässigkeit für diese Kunden ist nicht länger ein Merkmal unseres Produkts. Es ist eine Mission. Um diese Kundenbasis zu bedienen, ist ein anderes Betriebsmodell erforderlich. Traditionelle Support-Organisationen leiten Tickets weiter. Traditionelle Ingenieurorganisationen liefern Funktionen. Keines allein reicht aus, wenn die Einsätze so hoch sind. Wir wenden uns etwas anderem zu: einer kundenorientierten Ingenieurorganisation, die direkt mit unseren Kunden in großem Maßstab interagiert. Dies ist eine Arbeit, die ein zentrales Entwicklungsteam nicht von innen heraus im Netzwerk erledigen kann. Die Funktion des Customer Reliability Engineering (CRE) ist das Rückgrat dieses Wandels. CRE ist SRE, das nach außen angewendet wird, dieselbe Ingenieurdiziplin, die auf die Zuverlässigkeit der Systeme angewendet wird, die unsere Kunden auf Cloudflare betreiben. Sie sind der Ingenieur, der die Probleme besitzt, die für die wichtigsten Kunden am relevantesten sind, und Sie tragen direkt zu unseren Produkten und Werkzeugen in Partnerschaft mit der Produktentwicklung bei, um diesen Standard über die gesamte Kundenbasis hinweg zu halten.

Die Rolle

CRE ist ein schnelles Reaktionsteam und ein proaktives Ingenieurteam. Sie beheben Probleme an der Edge, sobald sie auftreten, und helfen dabei, die Produktfähigkeiten zu entwickeln, die Kundenprobleme identifizieren, bevor sie zu einer Krise werden. Beide Modi sind gleich wichtig.

• Schnelle Reaktion: Wenn ein Kundenproblem auftritt, das von hoher Schwere, schichtübergreifend und komplex ist, sind Sie der Ingenieur, der antwortet. Sie reproduzieren den Defekt, isolieren die Ursache über die Infrastruktur von Cloudflare und den Stack des Kunden, treiben die Lösung mit der Produktentwicklung voran und bestätigen die Behebung. Sie sind im Bereitschaftsdienst für hochgradige Vorfälle im Rahmen eines globalen Schichtplans.
• Proaktive Ingenieurarbeit: Wenn kein Feuer brennt, arbeiten Sie mit der Produktentwicklung und unseren Plattformteams zusammen, um die Fähigkeiten zu entwickeln, die das nächste Feuer kostengünstiger oder überflüssig machen: Telemetrie-Pipelines, die Signale über die Kundenbasis korrelieren, Detektoren, die feuern, bevor ein Mensch es bemerkt, Diagnosetools, die sich über Hunderte von Kunden skalieren, Automatisierung, die die Mühe für den Kundensupport reduziert. Jedes Ereignis, das Sie tragen, erzeugt Ingenieurausgaben, die die Kosten der Wiederholung senken. Die Arbeit kumuliert.

Cloudflare baut CRE als eine KI-native Funktion auf. Sie werden mitarbeiten und helfen, Agenten und Werkzeuge zu entwickeln, die Vorfälle vorab diagnostizieren, relevante Protokolle und Konfigurationen bereitstellen und Lösungen mit zitierten Beweisen vorschlagen. Ingenieure, die KI-unterstützte Diagnosen liefern, sind diejenigen, die diese Disziplin definieren.

Was Sie möglicherweise bearbeiten werden

• Schnelle Reaktion: Besitzen Sie einen Sev-1-Vorfall, bei dem ein großer Kunde im Finanzdienstleistungssektor asymmetrische Latenz von einem einzelnen POP sieht. Verfolgen Sie es durch BGP-Routing und Ursprungs-Konfiguration. Produzieren Sie die Lösung upstream. Diagnostizieren Sie eine wiederkehrende WebSocket-Trennung, mit der ein Medienkunde seit Wochen kämpft. Isolieren Sie es auf eine spezifische Interaktion zwischen WAF und ihrem Ursprungs-Load-Balancer. Treiben Sie die Lösung mit der Produktentwicklung voran. Arbeiten Sie während eines aktiven DDoS-Ereignisses mit dem SRE-Team eines Regierungs-Kunden zusammen. Helfen Sie ihnen, ihre Magic Transit- und WAF-Konfiguration in Echtzeit zu gestalten.
• Proaktive Ingenieurarbeit: Entwickeln Sie zusammen mit der Produktentwicklung eine verteilte Tracing-Funktion, die Cloudflare-Edge-Signale mit Kunden-Ursprungsmetriken korreliert, sodass eine einzige Abfrage die Geschichte einer fehlgeschlagenen Anfrage von Ende zu Ende erzählt. Versenden Sie einen Detektor für eine Klasse von WAF-Falschpositiven, die mehrere Kunden stillschweigend beeinträchtigen. Bringen Sie ihn vor dem nächsten Erneuerungszyklus in Produktion. Prototypisieren Sie einen KI-Agenten, der einen neuen Kundenfall übernimmt, relevante Protokolle und Konfigurationen abruft und eine Ursache mit verlinkten Beweisen vorschlägt. Setzen Sie ihn intern ein. Messen Sie, ob er die Ingenieure schneller macht. Iterieren.

Verantwortlichkeiten

• Schnelle Reaktion auf Vorfälle und Ursachenanalyse. Besitzen Sie die komplexesten, hochgradigen Kundenprobleme von Anfang bis Ende, vom ersten Signal bis zur bestätigten Lösung. Führen Sie tiefgehende Debugging-Analysen über den gesamten Stack durch: Edge, Netzwerk, DNS, Transport, APIs, Anwendung, kundenseitige Konfiguration. Reproduzieren Sie Defekte, validieren Sie Lösungen mit der Technik und bestätigen Sie die Lösung auf der Kundenseite. Erstellen Sie Nachberichte, auf die andere Ingenieure angewiesen sind. Halten Sie Bereitschaft für hochgradige Vorfälle im Rahmen eines globalen Rotationsplans, der auch Wochenenden umfasst.
• Proaktive Zuverlässigkeitsingenieurarbeit. Analysieren Sie Support- und Telemetriesignale über die Kundenbasis, um systemische Risiken zu finden, bevor sie zu Vorfällen werden. Tragen Sie Überwachungs-, Erkennungs- und Diagnosetools zum Kernprodukt und zu den Ingenieursystemen bei, die dem Kundensupport frühzeitige Sichtbarkeit in kundenbeeinträchtigende Probleme geben. Definieren Sie kundenorientierte Zuverlässigkeitsmetriken (Fehlerquoten, Lösungszeiten, Wiederkontaktquoten) und treiben Sie messbare Verbesserungen voran. Schreiben Sie Automatisierungen, die die mittlere Zeit bis zur Erkennung und die mittlere Zeit bis zur Lösung reduzieren.
• Kollaboration über Funktionen hinweg. Verwalten Sie den technischen Eskalationslebenszyklus mit klarer Verantwortung und zeitnaher Kommunikation. Arbeiten Sie mit der Produktentwicklung zusammen, um Lösungen, Umgehungen und Konfigurationsänderungen zu treiben, die zugrunde liegende Lücken schließen. Vertreten Sie die Perspektive der Kundenzuverlässigkeit in Ingenieursbesprechungen, Vorfallüberprüfungen und Nachberichtsprozessen.
• Technische Führung und Befähigung. Erhöhen Sie das technische Niveau des Kundensupports durch Pair-Debugging, strukturierten Wissenstransfer und gemeinsame Werkzeuge. Dokumentieren Sie Diagnosverfahren und Lösungsmuster in Handbüchern, internen Wissensdatenbanken und KI-Fähigkeiten. Teilen Sie Erkenntnisse aus kundenorientierten Vorfällen, um die Produktdokumentation und die betriebliche Bereitschaft zu verbessern.
• Produkt- und Plattformtiefe. Halten Sie tiefes, aktuelles Fachwissen über das Produktportfolio von Cloudflare: Edge-Netzwerke, DNS, CDN, WAF, DDoS-Minderung, Zero Trust, Workers und unsere Entwicklerplattform. Antizipieren Sie die Auswirkungen auf die Kunden durch neue Releases und Architekturänderungen. Dienen Sie als Ansprechpartner für Fachwissen in einem oder mehreren Bereichen.

Anforderungen

• Mindestens 5 Jahre praktische Erfahrung in der Site-Reliability-Engineering, Eskalationsengineering, Systemengineering oder einer vergleichbaren tief technischen Support-/Betriebsrolle, davon mindestens 2 Jahre in kundenorientierten Umgebungen.
• Starke Grundlagen in Netzwerken und Sicherheit: TCP/IP-Grundlagen: OSI-Modell, IPv4/IPv6-Adressen, Subnetting, Routing, Switching. Kernprotokolle: DNS, HTTP/S, TLS/SSL, SMTP, SNMP, NTP. Routing-Protokolle: BGP, OSPF, einschließlich Pfadauswahl und Routenpropagation. Firewall-Konzepte: zustandsbehaftete/stateless Inspektion, Regelsets, NAT, ACLs. VPN und Verschlüsselung: IPSec, SSL/TLS-Tunnel, GRE. Zero Trust-Architektur, Netzwerksegmentierung, moderne Sicherheitsmodelle.
• Beherrschung von Beobachtungs- und Diagnosetools: Paketaufzeichnung und -analyse (Wireshark, tcpdump), Protokollaggregation (Kibana, Elasticsearch), Metrik-Dashboards (Grafana), verteiltes Tracing.
• Starke Skript- und Automatisierungsfähigkeiten (Bash, Python) mit nachweislicher Erfolgsbilanz bei der Bereitstellung von Werkzeugen, die die Zuverlässigkeit verbessern und die Mühe reduzieren.
• Erfahrung mit Vorfallmanagement, Nachberichterstattungskultur und SLO/SLI-basierten Zuverlässigkeitspraktiken.
• Exzellente schriftliche und mündliche Kommunikation. In der Lage, komplexe technische Informationen klar an Ingenieure, Führungskräfte und Kunden zu vermitteln. Komfort im Umgang mit mehrdeutigen, schichtübergreifenden Problemen. Gelassenheit unter Druck während hochgradiger Vorfälle.

Gewünschte Fähigkeiten & Erfahrungen

• SRE-, DevOps- oder Plattformengineering-Erfahrung mit direkter kundenorientierter Verantwortung.
• Tiefe Expertise sowohl auf L3/L4 (Netzwerkinfrastruktur) als auch auf L7 (Anwendungsprotokolle, DNS, HTTP, WebSocket).
• Expertenkenntnisse mit Linux-Befehlszeilentools: curl, dig, git, traceroute, mtr, strace, ss.
• Datenanalyse im großen Maßstab mit SQL, PromQL oder Ähnlichem.
• Vertrautheit mit CI/CD-Pipelines, Infrastructure-as-Code (Terraform, Pulumi) und Container-Orchestrierung (Kubernetes, Docker).
• Nachweisliche Erfolge beim Aufbau interner Werkzeuge oder Diagnosetools, die die Effizienz des Teams messbar verbessert haben.
• Nachgewiesene technische Führung: Mentoring von Ingenieuren, Vorantreiben von teamübergreifenden Initiativen, Beeinflussung von Ergebnissen ohne direkte Autorität.
• Erfahrung in der Anwendung von KI/ML in der Produktionsengineering oder operativen Workflows.
• Komfort im direkten Kontakt mit Ingenieurteams von Unternehmenskunden, auch während Vorfällen.

Bonuspunkte

• Aktiver Cloudflare-Nutzer, der die Plattform als Praktiker versteht.
• Praktische Erfahrung mit Workers, Pages, R2, D1 oder anderen Entwicklerplattformdiensten.
• Cloud-Netzwerk- und Sicherheitserfahrung über AWS, Azure oder GCP.
• Webprogrammierung (HTML, JavaScript) und reguläre Ausdrücke.
• Chaos-Engineering oder formale Zuverlässigkeitsrahmen (z.B. Google SRE-Prinzipien).
• Verwaltung oder Konfiguration von Nicht-HTTP-Diensten: E-Mail, DNS autoritativ/rekursiv, FTP, SSH.

Vergütung

Für in Portugal ansässige Mitarbeiter: Geschätztes Jahresgehalt liegt zwischen 61.000 € und 84.000 €. Das endgültige Angebot wird unter Berücksichtigung der geltenden Gesetze und Tarifverträge inklusive Zeitbefreiung erfolgen.

Eigenkapital

Diese Rolle ist berechtigt, am Eigenkapitalplan von Cloudflare teilzunehmen.

Chancengleichheit

Cloudflare ist stolz darauf, ein Arbeitgeber mit Chancengleichheit zu sein. Wir setzen uns dafür ein, allen Menschen gleiche Beschäftigungsmöglichkeiten zu bieten und legen großen Wert auf Vielfalt und Inklusion. Alle qualifizierten Bewerber werden unabhängig von ihrer oder einer anderen Person wahrgenommenen oder tatsächlichen Rasse, Hautfarbe, Religion, Geschlecht, Geschlechtsidentität, Geschlechtsausdruck, sexueller Orientierung, nationaler Herkunft, Abstammung, Staatsbürgerschaft, Alter, körperlicher oder geistiger Behinderung, medizinischem Zustand, Familienpflege-Status oder einer anderen gesetzlich geschützten Grundlage berücksichtigt. Wir sind ein Arbeitgeber für AA/Veteranen/Behinderte. Cloudflare bietet angemessene Vorkehrungen für qualifizierte Personen mit Behinderungen. Bitte teilen Sie uns mit, wenn Sie eine angemessene Vorkehrung benötigen, um sich für einen Job zu bewerben. Beispiele für angemessene Vorkehrungen sind unter anderem die Änderung des Bewerbungsprozesses, die Bereitstellung von Dokumenten in einem alternativen Format, die Verwendung eines Gebärdensprachdolmetschers oder die Verwendung spezieller Geräte. Wenn Sie eine angemessene Vorkehrung benötigen, um sich für einen Job zu bewerben, kontaktieren Sie uns bitte per E-Mail unter hr@cloudflare.com oder per Post an 101 Townsend St., San Francisco, CA 94107. Diese Position kann den Zugang zu Informationen erfordern, die unter den US-Exportkontrollgesetzen geschützt sind, einschließlich der US-Exportverwaltungsvorschriften. Bitte beachten Sie, dass jedes Beschäftigungsangebot möglicherweise von Ihrer Genehmigung abhängt, Software oder Technologie zu erhalten, die unter diesen US-Exportgesetzen kontrolliert wird, ohne Unterstützung für eine Exportlizenz.