Lead Site Reliability Engineer

Movable Ink skaliert die Personalisierung von Inhalten für Vermarkter durch datengestützte Inhaltserstellung und KI-Entscheidungen. Die innovativsten Marken der Welt verlassen sich auf Movable Ink, um den Umsatz zu maximieren, den Workflow zu vereinfachen und die Marketingagilität zu steigern. Mit Hauptsitz in New York City und fast 600 Mitarbeitern bedient Movable Ink seine globale Kundenbasis mit Niederlassungen in Nordamerika, Mittelamerika, Europa, Australien und Japan.

Als einer unserer Lead Site Reliability Engineers kombinieren Sie praktische technische Expertise mit strategischer technischer Führung in der Infrastruktur und Softwareentwicklung. Sie sind verantwortlich für das Design und die Weiterentwicklung wichtiger Systeme innerhalb unserer Multi-Cloud, Multi-Region, aktiven Content-Serving-Plattform, die täglich über 25 Milliarden Anfragen verarbeitet. Durch eine Kombination aus architektonischer Vision, teamübergreifender Zusammenarbeit und Mentoring werden Sie die Zuverlässigkeitsinitiativen vorantreiben und die technische Strategie definieren, die unsere Plattform auf 50 Milliarden Anfragen pro Tag und darüber hinaus skalieren wird.

Verantwortlichkeiten

• Definition und Umsetzung der Automatisierungsstrategie für Infrastruktur-Tools, um Standards zu etablieren, die manuelle Arbeit minimieren, die Leistung erhöhen und die Häufigkeit sowie Schwere von Vorfällen reduzieren.
• Verantwortung für das Design, die Zuverlässigkeit und die Weiterentwicklung der Kernplattformanwendungen, Mentoring von Teammitgliedern zu Best Practices und Sicherstellung, dass Systeme langfristige Geschäftsziele erfüllen.
• Architektur und Leitung der Logging-Plattformstrategie, Gestaltung und Balance von Verfügbarkeit, Aufbewahrung und Kostenoptimierung.
• Einrichtung von Kapazitätsplanung und Leistungsmanagement-Rahmenwerken, proaktive Identifizierung von Skalierungsmöglichkeiten und Anleitung der Teams durch komplexe Fehlerszenarien.
• Leitung teamübergreifender Zuverlässigkeitsinitiativen mit SRE- und Service-Engineering-Teams, Einflussnahme auf architektonische Entscheidungen und Förderung von Praktiken, die eine resiliente Servicebereitstellung gewährleisten.
• Demonstration eines hohen Maßes an Autonomie bei der Antizipation, Identifizierung und Behebung systemischer Schwächen und Chancen zur Verbesserung der Plattform ohne direkte Aufsicht.

Qualifikationen

• Nachweisbare Erfolge im Bereich Site Reliability oder Software Engineering, Design, Aufbau und Verantwortung für skalierbare, resiliente Dienste mit Fokus auf langfristige Zuverlässigkeitsstrategien.
• Tiefe Expertise in der Architektur und dem Betrieb komplexer verteilter Systeme wie Apache Pulsar, Apache Kafka, Grafana Loki, ScyllaDB/Cassandra, mit der Fähigkeit, Teams durch Herausforderungen verteilter Systeme zu führen.
• Design und Verantwortung für Automatisierungsstrategien zur Verwaltung von Diensten in großem Maßstab, mit Expertise in der Etablierung von Leistungsanalyse-Rahmenwerken und Mentoring anderer in Diagnosen und Lösungen.
• Tiefgehende praktische Erfahrung (6+ Jahre) in Site Reliability oder Software Engineering, insbesondere in der Leitung und Gestaltung von Multi-Cloud-Architekturen und -Strategien (AWS und GCP).
• Erfahrung in der Architektur und Leitung großer Observability-Plattformen, einschließlich der Definition von Observability-Standards und SLO-Rahmenwerken. Wir verwenden Prometheus und Thanos mit Grafana Alloy, Loki und Tempo.
• Erfahrung in der Führung von On-Call-Exzellenz, einschließlich der Verbesserung von Überwachungs- und Alarmierungsstrategien, Automatisierung von Runbooks und Mentoring von Teammitgliedern zu Best Practices bei der Incident-Response. Jedes Mitglied des SRE-Teams hat eine Woche lang einen On-Call-Dienst.
• Expertenkenntnisse in Infrastructure as Code, einschließlich der Definition von IaC-Standards und -Mustern über Teams hinweg. Wir verwenden Terraform und Chef.
• Fortgeschrittene Kubernetes-Expertise, einschließlich Clusterarchitekturdesign, Multi-Tenant-Strategien und Anleitung von Teams zu Best Practices in der Container-Orchestrierung. Wir verwenden EKS und GKE.
• Kenntnisse in mehreren Programmiersprachen mit der Fähigkeit, Code zu entwerfen und zu überprüfen, der den Zuverlässigkeitsstandards entspricht. Wir verwenden NodeJS, Golang, Ruby, Python und Shell-Skripting.
• Fortgeschrittene Linux-Systemexpertise, mit der Fähigkeit, komplexe systembezogene Probleme zu diagnostizieren und andere in der Leistungsoptimierung und Fehlersuche zu schulen.

Die Grundvergütung für diese Position liegt zwischen 184.200 und 240.000 USD pro Jahr, was je nach letztendlich angebotener Position zusätzliche Boni beinhalten kann, zusätzlich zu einem vollständigen Spektrum an medizinischen, finanziellen und/oder anderen Leistungen. Die angebotene Grundvergütung kann je nach berufsbezogenem Wissen, Fähigkeiten und Erfahrungen variieren. Studien haben gezeigt, dass Frauen, farbige Gemeinschaften und historisch unterrepräsentierte Personen weniger wahrscheinlich Bewerbungen einreichen, es sei denn, sie erfüllen jede einzelne Qualifikation. Wir setzen uns dafür ein, eine vielfältige und integrative Kultur aufzubauen, in der alle Inkers gedeihen können. Wenn Sie sich für die Rolle begeistern, aber nicht alle oben genannten Qualifikationen erfüllen, ermutigen wir Sie, sich zu bewerben. Unsere Unterschiede bringen ein breites Spektrum an Wissen und Perspektiven mit sich, die uns kollektiv stärker machen. Wir heißen Menschen unabhängig von Rasse, Hautfarbe, Geschlechtsidentität oder -ausdruck, Religion, genetischen Informationen, Eltern- oder Schwangerschaftsstatus, Nationalität, sexueller Orientierung, Alter, Staatsbürgerschaft, Familienstand, ethnischer Zugehörigkeit, körperlicher oder geistiger Fähigkeit, politischer Zugehörigkeit, Behinderung, Veteranenstatus oder anderen geschützten Merkmalen willkommen und beschäftigen sie. Wir sind stolz darauf, ein Arbeitgeber mit Chancengleichheit zu sein.