【フルリモート／週5】AWS SRE・プラットフォームエンジニア（EKS大規模基盤の統制とPlatform Engineeringの実践）

お任せしたいこと

自社で展開する数十〜数百のマイクロサービスが稼働する大規模Webプラットフォームにおいて、Amazon EKS（Kubernetes）を中心としたクラウドネイティブ基盤の設計・運用、および開発者の生産性を最大化する「Platform Engineering」の推進をお任せします。
「インフラ構築の依頼が来るたびにJiraのチケットを切って手作業で環境を用意する」といった中央集権的でボトルネックとなる運用（チケット駆動運用）を徹底的に排除し、開発者が自律的にインフラをプロビジョニングできる内部開発者プラットフォーム（IDP）の構築や、GitOpsによる宣言的なデプロイメントを泥臭く実装することで、組織全体のデリバリー速度とシステムの信頼性を最高次元で両立させる中核的なポジションです。

具体的な業務内容

・Amazon EKSを活用したマルチテナント・マルチクラスター環境のアーキテクチャ設計、および無停止でのKubernetesバージョンの継続的なアップグレード運用の仕組み化
・Argo CD、またはFluxを活用したGitOpsパイプラインの構築と、アプリケーションおよびインフラストラクチャの宣言的（Declarative）な状態管理
・Backstage等を利用したInternal Developer Portal（IDP）の開発と、開発者の認知負荷（Cognitive Load）を下げるためのゴールデンパス（標準テンプレート）の提供
・Istio等のサービスメッシュ機構の導入による、マイクロサービス間のトラフィック制御（カナリアリリース）、mTLS暗号化、および分散トレーシング基盤の構築
・SLI / SLOの定義と、Datadog、Prometheus、Grafana等の可観測性（Observability）ツールを利用した、エラーバジェットに基づくアラート設計と運用改善
・Terraform、AWS CDKを利用したインフラストラクチャの完全なコード化（IaC）、およびCI/CDでの静的解析（Trivy, Checkov等）の組み込み
・インシデント発生時の司令塔（インシデントコマンダー）としての対応、およびポストモーテム（非難なき振り返り）を通じた泥臭い根本原因の特定と再発防止策のシステム化
・Go言語やPythonを用いた、Kubernetesのカスタムコントローラー（Operator）の開発、および日々のトイル（定型作業）の徹底的な自動化

必須スキル・経験

・AWSを利用したWebシステムのインフラ設計・構築・運用実務経験（目安として3年以上）
・DockerおよびKubernetes（特にAmazon EKS）の本番環境での運用経験
・Terraform、またはAWS CDKを用いたIaC（Infrastructure as Code）の実践経験
・GitOps（Argo CD等）およびCI/CDパイプラインの構築・運用経験
・Linuxシステムのカーネルレベルの基礎知識、およびTCP/IP等ネットワークプロトコルの深い理解

歓迎スキル・経験

・Platform Engineeringの概念に基づく、内部開発者プラットフォーム（IDP）の設計・運用経験
・Go言語を用いたソフトウェア開発経験、またはKubernetes Operatorの実装経験
・SRE（Site Reliability Engineering）としての実務経験、およびSLOの運用経験
・Istio等のサービスメッシュの運用経験、または大規模なマイクロサービスアーキテクチャの運用経験
・CKA（Certified Kubernetes Administrator）、CKAD、CKS等の資格

開発・業務環境

クラウド・インフラ：AWS (EKS, EC2, VPC, Route 53, ALB/NLB 等)
コンテナ・オーケストレーション：Kubernetes (EKS), Docker, Istio
構成管理・GitOps：Terraform (または AWS CDK), Argo CD (または Flux)
開発言語（自動化・ツール）：Go, Python, Bash
監視・可観測性：Datadog, Prometheus, Grafana, OpenTelemetry
インシデント管理：PagerDuty
コミュニケーション・管理：GitHub, Jira, Slack, Zoom

プロジェクトチームについて

「インフラの安定稼働」と「開発アジリティの向上」という相反する要求を、気合いや根性ではなく高度なソフトウェアエンジニアリングで解決するSRE / Platformチームへの配属となります。
「サーバーが落ちないように見張る」という旧来のインフラ保守の概念を極めて嫌い、システムは必ず壊れるという前提（Design for Failure）に立ち、いかに早く復旧させるか（MTTRの短縮）にエンジニアリングリソースを集中させる手堅いカルチャーです。本番環境で原因不明のPodのEvictedやネットワーク遅延が発生した際にも、OSのシステムコールやパケットキャプチャまで泥臭く潜り込み、論理的にパズルを解き明かす実直なメンバーが集まっています。

求める人物像

・「自分がインフラの全てをコントロールする（ゲートキーパーになる）」のではなく、プラットフォームの提供を通じて「開発者をエンパワーメントする」ことにエンジニアとしての美学を持てる方
・Kubernetesエコシステムの激しい変化（CNCFプロジェクトの乱立）に対して文句を言うのではなく、自社の課題解決に本当に必要なツールを冷静に選定し、前向きに検証を楽しめる方
・手作業によるトイル（Toil）に対して強い嫌悪感を抱き、スクリプトやツールを書いてでも「二度と同じ作業をしない」ための泥臭い自動化に執念を燃やせる方

仕事の魅力

世界中のモダンな開発組織が取り入れている「SRE」および「Platform Engineering」の最前線を、大規模なEKSトラフィック環境下で実践できる極めて難易度が高く価値のあるポジションです。複雑なコンテナエコシステムの統制と、開発組織全体の生産性を底上げする泥臭い経験を通じて、単なる「AWSインフラ構築屋」を完全に凌駕し、今後のクラウドネイティブ時代においてすべてのメガベンチャーから最も渇望される「シニアSRE / プラットフォームアーキテクト」としての圧倒的な市場価値を築くことができます。

働き方

リモート環境

[フルリモート] 基本的にフルリモートで働いていただけます。