Ingeniero de Confiabilidad de Sitio Sénior

• Tienes más de 7 años de experiencia en producción operando plataformas basadas en Kubernetes e infraestructura en la nube.

• Comprendes y aplicas prácticas de SRE: SLIs, SLOs, presupuestos de error (error budgets), preparación para producción, respuesta ante incidentes, aprendizaje post-incidente, reducción de toil, escalabilidad, planificación de capacidad, alta disponibilidad, copias de seguridad y recuperación ante desastres.

• Puedes diseñar y mejorar la observabilidad y las alertas para sistemas críticos utilizando métricas, logs, trazas y golden signals, y te sientes cómodo solucionando problemas en sistemas distribuidos complejos para identificar mejoras sistémicas de fiabilidad.

• Puedes escribir software mantenible para automatizar tareas operativas y reducir la intervención manual.

• Tienes experiencia con sistemas de producción con estado (stateful) como bases de datos relacionales, cachés, colas o plataformas de streaming.

• Sabes cómo equilibrar la fiabilidad, el rendimiento, el coste y la velocidad de entrega de forma pragmática.

• Te sientes cómodo trabajando en un entorno de transición donde se están introduciendo prácticas de SRE mientras que la infraestructura crítica y los sistemas de entrega aún necesitan soporte de fiabilidad directo.

• Colaboras eficazmente con las partes interesadas de Ingeniería, Platform, Seguridad y Producto.

• Te comunicas con claridad, documentas bien y disfrutas asesorando a los equipos para que asuman una mayor responsabilidad de producción.

• Eres un modelo de iniciativa y responsabilidad, detectando riesgos tempranamente y llevando las mejoras hasta su finalización.

Formarás parte de una empresa dinámica y en crecimiento con un equipo verdaderamente internacional. En Lodgify, rebosamos de una energía contagiosa, trabajo duro y pasión por lo que hacemos. Celebramos la diversidad y nos enorgullece reconocer la variedad de orígenes, perspectivas y habilidades en nuestro equipo; estamos comprometidos con la creación de un lugar de trabajo donde todos sean escuchados y sientan un sentido de pertenencia.

¿Qué hay para ti?*

🏠 Flexibilidad remota: La libertad de trabajar desde casa cualquier día que te venga bien.

🌴 Tiempo para recargar energías: 25 días laborables de vacaciones pagadas y Jornada Intensiva en agosto.

💊 Seguro de salud Alan: Soporte premium de salud, dental y salud mental a través de Alan. Las condiciones preexistentes están cubiertas.

😋 Ventaja de comidas: Asignación de 150 €/mes en tu tarjeta de Alan + 50 % de descuento en platos preparados de Ametller Origen en la oficina.

💸 Ahorro libre de impuestos: Aumenta tu salario neto utilizando la Remuneración Flexible para gastos de comida adicionales (hasta 70 €/mes) y transporte público (hasta 136 €/mes).

🖥️ Equipo para oficina en casa: Te proporcionamos una mesa, silla ergonómica y monitor para tu configuración en casa.

🇪🇸 Aprendizaje de idiomas: Clases de español gratuitas.

🤑 Referidos: Recompensas en efectivo por traer nuevo talento.

🌟 Vida social: Desayuno diario en la oficina y eventos de equipo mensuales.

🎯 Hub dinámico: Un entorno inclusivo y de gran energía diseñado para la colaboración y la conexión con un equipo que representa a más de 60 países.

*Los beneficios ofrecidos pueden variar según el tipo de contrato que se emita.

Entonces, ¿a qué estás esperando?

Todas las candidaturas y CV deben enviarse en inglés 😉

¿Eres un ingeniero con mentalidad de sistemas al que le importa profundamente la fiabilidad, la escalabilidad y la excelencia en producción? Únete a Lodgify como Senior Site Reliability Engineer y ayuda a nuestros equipos de ingeniería a construir y operar servicios que sean fiables, observables, escalables y resilientes por diseño. En este puesto, mejorarás la fiabilidad de nuestra infraestructura compartida y de los servicios de producto, al tiempo que ayudarás a los equipos a hacerse responsables de sus sistemas en producción. Trabajarás en el equipo de Platform para reforzar la observabilidad, reducir el trabajo operativo repetitivo (toil), mejorar la respuesta ante incidentes, definir estándares de SRE prácticos y mejorar la fiabilidad de la infraestructura crítica y los flujos de trabajo de entrega.

• Definir SLIs, SLOs y objetivos de fiabilidad significativos para la plataforma.

• Colaborar con los equipos de ingeniería de software para definir y alcanzar las mejores prácticas de observabilidad de software, SLIs, SLOs y fiabilidad.

• Reforzar la preparación para producción (production readiness) mejorando la propiedad del servicio, la observabilidad, las alertas, los runbooks, las suposiciones de escalado, las rutas de rollback y la preparación ante modos de fallo.

• Mejorar la fiabilidad, la escalabilidad y el rendimiento de la nube, Kubernetes y la infraestructura compartida, incluyendo cómo escalan los sistemas durante el crecimiento, los picos de tráfico y los fallos de dependencias.

• Construir observabilidad accionable utilizando métricas, logs, trazas y "golden signals", con herramientas como Datadog, Prometheus y Grafana.

• Implementar las mejores prácticas operativas y de seguridad mediante directrices, políticas y automatización.

• Reducir el ruido de las alertas y mejorar la calidad de la señal para que los equipos puedan detectar, comprender y resolver problemas rápidamente.

• Automatizar el trabajo operativo repetitivo utilizando Python u otros lenguajes, convirtiendo el trabajo manual recurrente en una automatización más segura y runbooks más claros.

• Implementar funciones de Internal Developer Platform de autoservicio a través de APIs y operadores de Kubernetes.

• Mejorar la seguridad del despliegue, la capacidad de rollback y la observabilidad de los lanzamientos.

• Mejorar la fiabilidad de los sistemas críticos con estado (stateful), como bases de datos, cachés, colas y plataformas de streaming.

• Participar en guardias (on-call), solucionar problemas y coordinar la respuesta ante incidentes, y facilitar revisiones post-incidente sin culpabilidad (blameless) que se traduzcan en mejoras concretas.

• Ejecutar simulacros de recuperación ante desastres y analizar el uso de la nube/plataforma para identificar ganancias en costes y eficiencia de recursos sin comprometer la fiabilidad.

• Los servicios críticos tienen propietarios claros, SLIs/SLOs significativos, alertas accionables, dashboards, runbooks y cobertura de preparación para producción.

• Los objetivos de fiabilidad se cumplen de forma constante en toda la infraestructura y los servicios críticos.

• El trabajo operativo (toil) y la intervención manual se reducen de forma mensurable mediante la automatización y flujos de trabajo más seguros.

• El MTTR mejora gracias a la reducción del ruido de las alertas, una mejor calidad de la señal, una mayor observabilidad y manuales de respuesta ante incidentes y rutas de escalada claros.

• Las acciones post-incidente se rastrean, se completan y se utilizan para reducir la repetición de incidentes.

• Los ejercicios de recuperación ante desastres validan que los servicios y la infraestructura críticos pueden recuperarse dentro de las expectativas acordadas.

• Los recursos de la nube y la infraestructura se optimizan sin sacrificar el rendimiento, la elasticidad o la resiliencia.