【フルリモート／週5】SRE（サイトリライアビリティエンジニア・大規模Webサービス基盤）

お任せしたいこと

自社で展開する大規模Webサービス、または急成長中のプロダクトにおいて、システムの信頼性（Reliability）と開発のスピードを高い次元で両立させるSRE業務をお任せします。
ソフトウェアエンジニアリングの手法を用いてインフラ運用の課題を解決し、SLI/SLOの運用、トイル（手作業の定常業務）の撲滅、可観測性（Observability）の向上を通じて、ユーザーに安定したサービスを提供するための基盤作りを牽引していただくポジションです。

具体的な業務内容

・開発チームおよびプロダクトマネージャーと連携したSLI/SLOの定義、およびエラーバジェットの運用・管理
・パブリッククラウド（AWS, GCP等）を活用した、高可用かつスケーラブルなインフラアーキテクチャの設計・構築
・Terraform等のIaCツールを用いたインフラ構成のコード化、およびレビュープロセスの整備
・Datadog、Prometheus等を用いたシステムの可観測性（Observability）向上、および監視・アラートの最適化
・Kubernetes等のコンテナオーケストレーション環境の構築、運用、および継続的なチューニング
・障害発生時のインシデント対応、ポストモーテム（事後検証）のファシリテーションと再発防止策の実装
・CI/CDパイプライン（GitHub Actions, ArgoCD等）の構築・改善による、安全で高速なデプロイ環境の提供
・Go、Pythonなどを用いた運用自動化ツール、API、Kubernetesカスタムコントローラー等の開発

必須スキル・経験

・Webサービスにおけるインフラ設計・構築・運用実務経験（目安として3年以上）
・パブリッククラウド（AWS, GCP, Azureいずれか）を利用した実務経験
・Terraform、Ansible等を用いたインフラコード化（IaC）の経験
・Go、Python、Rubyなどのプログラミング言語を用いた開発経験（ツールやスクリプト開発を含む）
・Linux環境における高度なトラブルシューティング能力、およびネットワークの基礎知識

歓迎スキル・経験

・SREプラクティスの導入、またはSLI/SLOに基づいた運用経験
・DockerおよびKubernetes（EKS, GKE等）を利用した大規模な本番環境の運用経験
・マイクロサービスアーキテクチャにおけるインフラ設計、またはService Mesh（Istio等）の運用経験
・大規模なトラフィック（リクエスト数、データ量）を処理するシステムのパフォーマンスチューニング経験
・インシデント管理（PagerDuty等）のフロー構築、およびオンコール対応の実務経験

開発・業務環境

クラウド：AWS, GCP
コンテナ・オーケストレーション：Docker, Kubernetes
IaC・構成管理：Terraform
開発言語（自動化・ツール開発）：Go, Python, Bash 等
CI/CD：GitHub Actions, ArgoCD, CircleCI
監視・可観測性：Datadog, Prometheus, Grafana, PagerDuty, New Relic
コミュニケーション・管理：GitHub, Jira, Slack, Zoom, Notion

プロジェクトチームについて

運用業務を「守り」ではなく「エンジニアリングによる課題解決」と捉え、ソフトウェア開発のアプローチでインフラを改善していくカルチャーです。
トイルを親の仇のように嫌い、自動化による生産性向上に大きな価値を置いています。障害発生時にも個人の責任を追及するのではなく、「システムのどの部分に弱点があったのか」「どうすれば仕組みで防げるか」を議論するブレームレス（非難なき）な環境が根付いています。

求める人物像

・システムの可用性に対して強い当事者意識を持ち、データ（メトリクス）に基づいた論理的な意思決定ができる方
・同じ手作業を二度繰り返すことを嫌い、コードを書いて自動化・効率化することに喜びを感じる方
・アプリケーションのコードやアーキテクチャにも関心を持ち、開発チームと対等に技術的な議論ができる方
・クラウドネイティブ技術やSREの最新のプラクティスを継続的に学習し、実務に還元できる方

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。