製造業特化型インターネットサービススタートアップ企業でのSRE（Site Reliability Engineering）の求人

具体的なアクションは以下をイメージしています
※お任せしたいこと、パフォーマンス発揮できるところをすり合わせ、面談・選考を通し決定していきたいと考えています。

●アクション概要：継続的なシステムの改善活動
1. 可視化、モニタリング
2. 自動化、コード化
3. ポストモーテム
4. 速度、安定性、スケーラビリティの改善
5. セキュリティの堅牢化
6. キャパシティプランニング
7. コスト削減
8. 緊急対応


●詳細

● 可視化、モニタリング
・システムメトリクスの収集
・SLI/SLOの制定：アラート（エラーバジェットのバーンレート）／月単位での達成／定期的な見直し
・全社向きの定期的なレポーティング：ビジネスKPIなど
・リアルユーザモニタリング、合成モニタリング
・アプリケーションアラートの設定：適切なもののみ／レベル分け／対応手順
・アプリケーションアラート対応の仕組み化：内容を人間ではなくソフトウェアが吟味

● 自動化、コード化
・DoS/DDoSアタックなどの外部攻撃に対する自動ブロック
・システムレポートの自動化
・インフラ構築のコード化
・A/Bテスト、βリリースの仕組み化
・DKIM登録依頼メール作成の自動化
・安全かつ迅速なロールバックの仕組み
・アラートの振り分け、チケット作成

● ポストモーテム
・障害時の振り返りのワークフロー化：基準の明確化／内容の明文化（起きたこととその原因・予防策、次に変えるべきこと・開発とSREで同じフォーマットを共有）／確認したという合意
・ポストモーテムを通じた部内の文化作り：個人やチームを非難しない／客観的事実に基づく建設的な改善案

● 速度、安定性、スケーラビリティの改善
・アプリケーションの遅い箇所の特定と改善：トレーシング／Slow query
・CI/CD環境の改善
・開発プロセス、リリースプロセスの改善
・ロールバックメカニズム
・オートスケールを意識したシステム構成
・ディザスタリカバリの想定
・システム運用面におけるサービス設計サポート

● セキュリティの堅牢化
・システムセキュリティチェック：ツールの選定／リリースプロセスにおけるワークフロー化／基準の明確化
・最新のセキュリティ問題の共有：継続的な学習／試験、教材
・アカウント管理
・環境分離

● キャパシティプランニング
・自然増、突発の可能性を考慮したデザインと観察：サービスとシステムの両者からくる需要予測
・定期的な負荷試験

● コスト削減
・定期的なコストの観察
・新しいハード/ソフトによる改善
・各サービスのコスト影響が大きいパラメータの理解とその共有
・代替案の検証

● 緊急対応
・適切なサービスレベルに応じた対応パターンの作成
・障害対応フローの制定
・オンコール当番：体制構築と仕組み化／プライマリとセカンダリ／SRE + developer
・Sorryへの差し替え対応の仕組み化

【MUST】
＜経験・スキル＞
・AWS/GCPなどのパブリッククラウドでのシステム運用経験
・Webアプリケーション開発の基礎知識
・Java、Pythonなどを用いたWebアプリケーションやバックエンドシステムなどの開発経験

＜人物面＞
・信頼性を第一とする
・使命感が強い
・入念な準備を怠らない
・緊密に他チームと連携
・変わりゆく状況を常に観察、最適解を探す

【WANT】
・TerraformやCloudFormationなどによるインフラのコード化に関する知識と経験
・Kubernetes/ECSなどのDockerなどのコンテナ技術を利用した開発/運用経験
・RDB/NoSQLなどのデータベースの構築/運用経験
・Jenkins/CircleCI/BitbucketPipelineなどのCI/CDツールの運用経験
・SLI/SLO/SLAの制定経験
・DataDog/CloudWatchなどによるモニタリング環境の構築/運用経験