Lead Tech SRE

Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Anwendungen und nächsten Schritte verwaltet. Unser Partner sucht einen Lead Tech SRE mit Sitz in Deutschland. Wir suchen einen praktischen technischen Leiter, der die Architektur, Lieferung und kontinuierliche Verbesserung einer wachsenden Cloud-Orchestrierungsplattform verantwortet. In dieser vollständig remote Rolle werden Sie ein kleines Site Reliability Engineering-Team leiten und gleichzeitig tief in das Infrastrukturdesign, die Automatisierung und die Incident-Response eingebunden sein.

Sie werden eine Flotte von dedizierten Kundenumgebungen auf Google Cloud aufbauen und skalieren und dabei Zuverlässigkeit, Sicherheit und betriebliche Konsistenz sicherstellen, während sich die Plattform von Beta zur allgemeinen Verfügbarkeit bewegt. In enger Zusammenarbeit mit dem CTO, der Plattformtechnik und den Sicherheitsteams werden Sie die technische Roadmap definieren und komplexe Anforderungen in praktische Lösungen übersetzen. Sie werden erheblichen Einfluss auf architektonische Entscheidungen, Lieferstandards, Beobachtbarkeit und Cloud-Kostenoptimierung haben. Dies ist eine Führungsposition im Ingenieurwesen für jemanden, der es genießt, die Richtung vorzugeben, während er aktiv Produktionssysteme aufbaut und betreibt.

Verantwortlichkeiten:

• Verantwortung für die Zielarchitektur der verwalteten Cloud-Plattform auf Google Cloud Platform (GCP), einschließlich dedizierter Kundenumgebungen, Cluster, Netzwerke, Datenbanken, Warteschlangen, Infrastrukturvorlagen und regionaler Bereitstellungsstrategie.
• Definition der architektonischen Roadmap und Anleitung der Evolution der Plattform von Beta zur allgemeinen Verfügbarkeit unter Berücksichtigung von Kundenisolierung, Zuverlässigkeit, Skalierbarkeit und Infrastrukturkosten.
• Erstellung und Pflege technischer Spezifikationen, Entwurfsdokumente, RFCs und Architekturentscheidungsprotokolle (ADRs), die technische Abwägungen und Implementierungsentscheidungen klar erklären.
• Definition von Service Level Objectives (SLOs) und Fehlerbudgets für Dienste und Dienstebenen, um die Prioritäten im Ingenieurwesen zu steuern.
• Leitung der technischen Lieferung über ein Team von drei Personen, einschließlich Ihnen selbst, durch Aufteilung der architektonischen Pläne in umsetzbare Arbeiten, Zuweisung von Verantwortlichkeiten, Überprüfung der Implementierung und Beseitigung von Blockaden.
• Festlegung von Ingenieurstandards für Terraform-Module, Helm-Diagramme, Infrastrukturkonfiguration und GitOps-Praktiken.
• Automatisierung des gesamten Lebenszyklus von Kundeninstanzen, einschließlich Bereitstellung, Upgrades, Skalierung, Backups, Migrationen und Stilllegung.
• Verantwortung für die Bereitstellungs- und Veröffentlichungsstrategie unter Verwendung von ArgoCD und GitHub Actions, Implementierung progressiver Rollouts, Rollback-Mechanismen und sicherer Upgrades über Kundenumgebungen hinweg.
• Aufbau und Pflege eines End-to-End-Beobachtungsstacks, der Metriken, Protokolle, Traces und Alarme abdeckt, um Probleme proaktiv zu identifizieren und zu lösen.
• Leitung der Bereitschaftsoperationen und Incident-Response, einschließlich Rotationsplanung, Runbooks, fehlerfreier Nachbesprechungen und Umsetzung von Korrekturmaßnahmen.
• Planung der Infrastrukturkapazität für variable Arbeitslasten und Sicherstellung, dass Autoskalierungsstrategien effektiv und zuverlässig bleiben.
• Förderung der Cloud-Kostenoptimierung durch FinOps-Praktiken, einschließlich kundenbezogener Kostenübersicht, Ressourcenanpassung, Rabatte für langfristige Nutzung und angemessene Nutzung von Spot-Instanzen.
• Stärkung der Plattform-Sicherheit in Zusammenarbeit mit dem Sicherheitsingenieur, einschließlich Netzwerkrichtlinien, Arbeitslastidentität, Geheimnisverwaltung und Prüfprotokollen zur Unterstützung der SOC 2-Anforderungen.
• Zusammenarbeit mit der Kernplattformtechnik zur Identifizierung von Produktverbesserungen, die Cloud-Operationen vereinfachen und die Zuverlässigkeit der Plattform verbessern.
• Leitung der technischen Meilensteine für die ersten sechs Monate, einschließlich Architekturbeurteilung, GA-Spezifikationen und SLOs, automatisierte Kundenbereitstellung, Beobachtungsabdeckung und sichere Upgrade-Fähigkeiten.

Anforderungen:

• Mindestens 8 Jahre Erfahrung in Site Reliability Engineering, Plattformtechnik oder Infrastrukturtechnik, einschließlich mindestens 2 Jahren, in denen Sie die technische Richtung für ein Team oder eine Plattform geleitet haben.
• Tiefe, produktionsgerechte Kubernetes-Expertise, einschließlich Erfahrung im Betrieb von Clustern in großem Maßstab und im Management von Upgrades, Konfigurationsabweichungen, Netzwerken und Ressourcenallokation.
• Starke praktische Erfahrung mit Google Cloud Platform, insbesondere GKE, IAM, VPC-Netzwerk, private Cluster, Lastenausgleich und verwaltete Datenservices.
• Expertenkenntnisse in Terraform, einschließlich der Gestaltung wiederverwendbarer Modulstrukturen und Ansätze zur Zustandsverwaltung, die mehrere identische Kundenumgebungen unterstützen.
• Nachgewiesene Fähigkeit, technische Architektur zu definieren, detaillierte Spezifikationen zu schreiben, Abwägungen zu bewerten und Designs in umsetzbare Ingenieurpläne zu übersetzen.
• Erwiesene Erfahrung in der Koordination technischer Lieferungen, Überprüfung der Implementierung und Anleitung eines kleinen Ingenieurteams.
• Starke operative Erfahrung mit Bereitschaftsrotationen, Incident-Management, Nachbesprechungen und der Umsetzung nachhaltiger Zuverlässigkeitsverbesserungen.
• Hintergrund im Betrieb von SaaS-Produkten für zahlende Kunden mit direkter Verantwortung für Produktionszuverlässigkeit und bedeutenden SLOs.
• Fließendes Englisch und die Fähigkeit, unabhängig und kollaborativ in einem vollständig remote internationalen Umfeld zu arbeiten.
• Pragmatische Ingenieururteile, mit der Fähigkeit, unkomplizierte, wartbare Lösungen auszuwählen und technische Entscheidungen klar zu erklären.

Nice to have:

• Erfahrung im Betrieb von Workloads, die nicht vertrauenswürdigen oder benutzerdefinierten Code ausführen, einschließlich Sandboxing, gVisor oder Node-Pool-Isolierung.
• Erfahrung im Aufbau oder Betrieb von Steuerungsebenen für dedizierte Kundenumgebungen unter Verwendung von Kubernetes-Operatoren, Crossplane, GKE Fleet, Config Sync oder benutzerdefinierten Bereitstellungssystemen.
• Praktische GCP FinOps-Erfahrung, einschließlich kundenbezogener Kostenattribution, Rabatte für langfristige Nutzung und Spot-Node-Pools.
• Einblick in SOC 2 oder ISO 27001-Audits aus der Perspektive der Infrastruktur- oder Plattformtechnik.
• Vertrautheit mit Workflow-Orchestrierungsplattformen wie Airflow, Temporal oder ähnlichen Technologien oder Erfahrung mit der JVM in der Produktion.
• Erfahrung mit Technologien wie Kubernetes, Docker, Terraform, Helm, ArgoCD, GitHub Actions, OpenTelemetry, Elastic, Prometheus, Grafana, PostgreSQL, Elasticsearch, Redis, Kafka und AMQP.

Vorteile:

• Vollständig remote Arbeitsanordnung, mit der Flexibilität, von überall zu arbeiten.
• Zugang zu Coworking-Spaces weltweit für zusätzliche Flexibilität.
• Krankenversicherung, einschließlich medizinischer, zahnärztlicher und augenärztlicher Leistungen.
• Ausrüstung für das Homeoffice, um eine komfortable und produktive Remote-Einrichtung zu unterstützen.
• Die Möglichkeit, die technische Richtung einer wachsenden Cloud-Plattform zu leiten und Verantwortung für wichtige architektonische Entscheidungen zu übernehmen.
• Praktische Ingenieurführung innerhalb eines kleinen, kollaborativen Teams.
• Enge Zusammenarbeit mit der technischen Führung und Spezialisten der Plattformtechnik.