(Senior) Site Reliability Engineer - STACKIT Control Plane (m/w/d)

Stellenbeschreibung:

Verbesserung der Monitoring- und Alerting-Infrastruktur, Einhaltung der SLOs sicherstellen
Kontinuierliche Optimierung der "Time-to-Mitigation" durch Erstellen klarer Playbooks, Design von Dashboards für First Responder und Sicherstellung umfassender Telemetriedaten
Reliability Consultant für Entwicklungsteams, Vermittlung von Wissen über Reliability-Patterns und Unterstützung des "Shift Left"-Ansatzes
Gestaltung und Optimierung von Entwicklungsprozessen wie CI/CD-Pipelines, Unterstützung von Progressive-Delivery-Strategien
Proaktive Analyse der Skalierbarkeit der Control Plane und Behebung von Engpässen in Bereichen wie Distributed Consensus, Datenbank-Durchsatz und Kernel-Level-Networking
Teilnahme an einer vergüteten On-Call-Rotation, Leitung von Incident Responses und Moderation von Post-Mortems und Root Cause Analysen

Mindestens 3 Jahre Erfahrung in Site Reliability Engineering, DevOps oder Platform Engineering
Expertenwissen über die Interna der Kubernetes Control Plane, einschließlich API Server, Controller Manager, Scheduler und etcd
Go-Sicherheit und Fähigkeit, produktionsreifen Code zu schreiben, um Automatisierungstools, Kubernetes Operatoren oder Integrations-Code zu entwickeln
Fundierte Erfahrung mit Infrastructure as Code und Container-Infrastrukturen sowie tiefgehende Kenntnisse in Linux-Interna (Kernel-Tuning, Memory Management) und Networking (TCP/IP, CNI, Load Balancer, eBPF)
Erfahrung im Betrieb von Datastores (z.B. PostgreSQL, Redis) und Messaging-Systemen (z.B. Kafka, NATS) in skalierbaren Umgebungen
Fähigkeit, Problemen auf den Grund zu gehen, um daraus zu lernen, und sich selbst aus dem Job zu automatisieren