Site Reliability Engineer

På Airalo gör vi det enklare för människor att hålla kontakten oavsett var de reser. Som världens första eSIM-butik hjälper vi miljontals resenärer att få tillgång till prisvärd mobildata i över 200 länder och regioner världen över. Idag är vi ett team på över 400 personer i över 60 länder, som bygger en produkt som används av resenärer varje dag. Vi har vuxit snabbt, men vi har arbetat hårt för att behålla det som är viktigt: förtroende, ägarskap och friheten för människor att göra ett bra jobb utan onödiga lager eller byråkrati. Vi är helt fjärrstyrda av design, genuint globala och förenade av ett gemensamt uppdrag att göra resor enklare för alla. Din nästa destination Plats: Fjärrarbete, var som helst i Spanien eller Storbritannien. Kontrakt: Spanien: Heltid, fast anställning, contrato indefinido via Deel (vår arbetsgivare i Spanien) Storbritannien: Heltid, fast anställning Förmåner: Lär dig mer om våra förmåner här i denna länk - https://airalo-public.notion.site/Benefits-25396a97ffca81fb9bc1f0be479f1be3?pvs=74 Språk: Engelska är vårt huvudsakliga arbetsspråk dagligen, så du måste vara bekväm med att kommunicera på det både i möten och asynkront. Vi söker en Senior Site Reliability Engineer för att ansluta till vårt växande ingenjörsteam. Vi är ett företag som värdesätter SRE-principer och metoder. Vi tror på att ge våra SREs möjlighet att fatta datadrivna beslut, automatisera operativa uppgifter och kontinuerligt förbättra tillförlitligheten i våra system. Vi främjar en kultur utan skuld där alla uppmuntras att lära av misstag och dela kunskap. Om du brinner för att bygga och underhålla mycket tillförlitliga system, vill vi gärna höra från dig! Vad du kommer att göra: Leda designen av skalbara, fel-toleranta och själv-helande system i en AWS-miljö med flera regioner. Definiera och följa upp Service Level Objectives (SLOs) och Service Level Indicators (SLIs) för att styra arkitekturella beslut och felbudgetpolicyer. Genomföra skuldfria post-incident-översyner för att upptäcka systemiska grundorsaker och implementera långsiktiga förebyggande åtgärder. Identifiera mönster av manuellt arbete och leda utvecklingen av interna verktyg/automatisering för att permanent eliminera dem. Utveckla och underhålla automatiserade runbooks och handböcker för vanliga operativa uppgifter och komplex incidenthantering. Skifta från enkel övervakning till djup observabilitet, säkerställa att data med hög kardinalitet leder till proaktiva åtgärder. Proaktivt identifiera och mildra operativa risker genom kaosteori och arkitekturöversyner. Arbeta med mjukvaruingenjörer för att designa system för tillförlitlighet, skalbarhet och underhållbarhet från de tidiga stadierna av SDLC. Kontinuerligt utvärdera och optimera systemets prestanda, kapacitet och kostnadseffektivitet.