Staff Site Reliability Engineer

Replit ist die agentische Softwareerstellungsplattform, die es jedem ermöglicht, Anwendungen mit natürlicher Sprache zu erstellen. Mit Millionen von Nutzern weltweit demokratisiert Replit die Softwareentwicklung, indem traditionelle Barrieren zur Anwendungsentwicklung abgebaut werden.

Über die Rolle

Schließen Sie sich unserem Site Reliability Engineering (SRE) Team an und helfen Sie, die Zuverlässigkeit, Skalierbarkeit und Leistung der Infrastruktur von Replit sicherzustellen, die Millionen von Entwicklern weltweit dient. Als Staff Site Reliability Engineer werden Sie die Lücke zwischen Entwicklung und Betrieb überbrücken, Automatisierung implementieren und Best Practices etablieren, die es unserer Plattform ermöglichen, effizient zu skalieren und gleichzeitig eine hohe Verfügbarkeit aufrechtzuerhalten. Wir suchen Staff SREs, die leidenschaftlich daran interessiert sind, resiliente Systeme in großem Maßstab zu bauen und zu pflegen.

Ihre Mission wird es sein, proaktiv Zuverlässigkeitsprobleme in unserem Stack zu finden und zu analysieren, dann Software und Systeme zu entwerfen und zu implementieren, um schrittweise Verbesserungen zu erzielen. Sie werden robuste Beobachtbarkeitssysteme entwerfen, die Incident-Response leiten, betriebliche Aufgaben automatisieren und kontinuierlich die Zuverlässigkeit unserer Infrastruktur verbessern, während Sie das breitere Engineering-Team betreuen und schulen, um Zuverlässigkeit zu einem Kernwert bei Replit zu machen.

Sie werden:

• Architektur und Implementierung von Beobachtbarkeit: Entwerfen, bauen und leiten Sie die Implementierung umfassender Überwachungs-, Protokollierungs- und Nachverfolgungslösungen. Erstellen Sie Dashboards und Metriken, die Echtzeit-Einblicke in die Systemgesundheit und -leistung bieten und proaktive Problemerkennung ermöglichen.
• Definition und Umsetzung von Zuverlässigkeitsstandards: Arbeiten Sie mit Produkt- und Engineering-Teams zusammen, um Service Level Objectives (SLOs) und Service Level Indicators (SLIs) zu definieren, umzusetzen und zu verfolgen. Bauen Sie Systeme, um diese Metriken zu überwachen und zu berichten, und halten Sie die Teams verantwortlich, um sicherzustellen, dass wir hohe Zuverlässigkeitsstandards aufrechterhalten, während wir die Innovationsgeschwindigkeit ausbalancieren.
• Leitung des Incident Managements und der Reaktion: Agieren Sie als Senior Leader während hochgradig wirkungsvoller Vorfälle und leiten Sie das Team zur schnellen Lösung. Führen Sie gründliche, schuldlose Nachbesprechungen durch und treiben Sie die Umsetzung präventiver Maßnahmen voran.
• Automatisierung und Infrastruktur als Code: Architektieren, bauen und verbessern Sie Automatisierung, um Arbeitsaufwand und operative Tätigkeiten zu eliminieren. Entwerfen und pflegen Sie CI/CD-Pipelines und Infrastrukturautomatisierung mit Tools wie Terraform oder Pulumi.
• Optimierung der Leistung auf Kubernetes: Arbeiten Sie mit den Kerninfrastruktur- und Produktteams zusammen, um unsere großangelegten Cloud-Bereitstellungen zu optimieren, mit einem tiefen Fokus auf Kubernetes, Docker und GCP.
• Debugging und Härtung verteilter Systeme: Tauchen Sie tief in das Debugging extrem schwieriger technischer Probleme im gesamten Stack ein. Nutzen Sie Ihre Erkenntnisse, um langfristige Lösungen zu entwerfen und umzusetzen, die unsere Systeme und Produkte robuster, bedienbarer und einfacher zu diagnostizieren machen.
• Bereitstellung von Leitungsniveau-Guidance: Überprüfen Sie Feature- und Systemdesigns im gesamten Unternehmen und agieren Sie als Schlüsselverantwortlicher für die Zuverlässigkeit, Skalierbarkeit, Sicherheit und operationale Integrität dieser Designs.
• Bildung und Mentoring: Bilden, betreuen und halten Sie das breitere Engineering-Team verantwortlich, um die Zuverlässigkeit unserer Systeme zu verbessern und Zuverlässigkeit zu einem Kernwert der Replit-Engineering-Kultur zu machen.
• Erstellung und Integration: Schreiben Sie qualitativ hochwertigen, gut getesteten Code in Python oder Go, um die Bedürfnisse Ihrer Kunden zu erfüllen, sei es beim Bau neuer interner Tools oder bei der Integration mit Drittanbietern.

Erforderliche Fähigkeiten und Erfahrungen:

• 8-10 Jahre Erfahrung im Site Reliability Engineering oder ähnlichen Rollen (z.B. DevOps, Systems Engineering, Infrastructure Engineering).
• Starke Programmierkenntnisse in Sprachen wie Python oder Go.
• Tiefes Verständnis verteilter Systeme.
• Tiefe Erfahrung mit Container-Orchestrierungsplattformen, insbesondere Kubernetes, und cloud-nativen Technologien.
• Nachweisliche Erfolge bei der Gestaltung, Implementierung und Wartung komplexer Überwachungs- und Beobachtbarkeitssysteme.
• Starke Fähigkeiten im Incident Management mit umfangreicher Erfahrung in der Leitung der Incident-Reaktion für komplexe Systeme.
• Erfahrung mit Infrastruktur als Code und Konfigurationsmanagement-Tools.
• Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten.
• Starke zwischenmenschliche Fähigkeiten mit Erfahrung in der Zusammenarbeit mit und Mentoring von Ingenieuren auf verschiedenen Ebenen.
• Leidenschaft für die Zugänglichkeit der Softwareerstellung und die Befähigung der nächsten Generation von Entwicklern.

Bonuspunkte:

• Tiefe Erfahrung mit Google Cloud Platform (GCP) Diensten und Tools.
• Expertenwissen über moderne Beobachtungsplattformen.
• Erfahrung in der Gestaltung und dem Bau zuverlässiger Systeme, die hohe Durchsatzraten und niedrige Latenzzeiten bewältigen können.
• Signifikante Erfahrung mit Go und Terraform.
• Vertrautheit mit der Arbeit in schnell wachsenden Start-up-Umgebungen.

Vorteile für Vollzeitmitarbeiter:

• Wettbewerbsfähiges Gehalt & Eigenkapital
• 401(k)-Programm mit 4% Matching (nur USA)
• Kranken-, Zahn-, Augen- und Lebensversicherung
• Kurz- und Langzeitbehinderung
• Bezahlter Eltern-, medizinischer und Pflegeurlaub
• Flexible Freizeit (FTO) + Feiertage
• Fahrgemeinschaftsleistungen (nur im Büro)
• Monatlicher Wellness-Zuschuss
• Autonome Arbeitsumgebung
• Rückerstattung für Büroeinrichtung (nur im Büro)
• Vierteljährliche Teambesprechungen
• Büroannehmlichkeiten (nur im Büro)

Um mehr darüber zu erfahren, was wir tun, besuchen Sie unseren Blog oder sehen Sie sich unsere TED-Talks an.

Um unsere Mission zu erreichen, das Programmieren zugänglicher zu machen, benötigen wir ein Team, das die Welt repräsentiert. Wir begrüßen Ihre einzigartige Perspektive und Erfahrungen.