Senior Run & Reliability Engineer - LUNE / GDP / Azure / Databricks (IT) / Freelance

VISIAN; Paris; On-site; EUR 70,000 - 110,000; Full time

Job summary

VISIAN recherche un Senior Run & Reliability Engineer pour assurer la résilience et la disponibilité de nos plateformes cloud et services de production à Paris. Vous apporterez un support technique expert sur Azure et Databricks et contribuerez à l’amélioration continue des processus opérationnels.

Vous piloterez les incidents, effectuerez des analyses RCA et travaillerez sur l’automatisation des opérations et la supervision pour prévenir les dysfonctionnements et optimiser les temps de

Qualifications

• Support technique de niveau expert sur les plateformes cloud et les environnements data.
• Analyse des incidents et RCA pour prévenir les récurrences.
• Gestion des changements et amélioration continue de la fiabilité.

Responsibilities

• Support opérationnel avancer sur les plateformes cloud et services de production.
• Pilotage ou coordination de la résolution d’incidents de production.
• Réalisation d’analyses RCA et proposition de mesures préventives.
• Préparation et suivi des changements techniques pour limiter les risques.
• Supervision et observabilité: métriques, logs et alertes.
• Exploitation Azure: Monitor, Log Analytics, Application Insights, Storage, Key Vault.
• Exploitation Databricks: surveillance des Jobs et Workflows, analyse des logs.
• Administration Azure Batch: suivi des pools, jobs et cycles de vie des nœuds.
• Diagnostic technique transverse et automatisation des opérations.
• Amélioration continue de la fiabilité et des performances des plateformes.
• Coordination opérationnelle avec les équipes techniques et communication lors des incidents majeurs.
• Restauration et DR: participation éventuelle aux exercices et procédures.

Skills

Azure

Databricks

Monitoring

Root cause analysis

Automation

Scripting

Tools

Azure Monitor

Log Analytics

Application Insights

Azure Batch

Job description

Dans un environnement cloud et data, le Senior Run & Reliability Engineer intervient sur le maintien en conditions opérationnelles, la fiabilité et la disponibilité des plateformes et des services de production. Il apporte un support technique avancé sur les environnements Azure, Databricks et les plateformes associées, tout en contribuant à l’amélioration continue des processus opérationnels.

Ses principales missions sont les suivantes :

• Support opérationnel avancé : assurer le support technique de niveau expert sur les plateformes cloud, les environnements data et les services de production associés.

• Gestion des incidents : piloter ou coordonner la résolution des incidents de production, assurer le suivi des actions correctives et contribuer au rétablissement rapide des services.

• Analyse des problèmes et des causes racines : réaliser des analyses approfondies (Root Cause Analysis – RCA), identifier les causes des dysfonctionnements récurrents et proposer des mesures préventives.

• Gestion des changements : contribuer à la préparation, à l’évaluation et au suivi des changements techniques afin de limiter les risques opérationnels.

• Supervision et observabilité : mettre en place, maintenir et optimiser les dispositifs de supervision, les métriques, les logs, les traces et les alertes pour anticiper les incidents et faciliter leur diagnostic.

• Exploitation Azure : assurer le suivi opérationnel des services Azure, notamment Azure Monitor, Log Analytics, Application Insights, Azure Storage et Azure Key Vault.

• Exploitation Databricks : surveiller les Jobs et Workflows Databricks, analyser les logs, diagnostiquer les erreurs d’exécution et résoudre les problèmes de performance.

• Administration opérationnelle d’Azure Batch : assurer le suivi des pools de calcul, des jobs, des tâches et du cycle de vie des nœuds de calcul. Analyser les problématiques liées à l’autoscaling, aux quotas, à l’ordonnancement des traitements et aux workloads conteneurisés.

• Diagnostic technique transverse : analyser les incidents impliquant plusieurs composants ou domaines techniques afin d’identifier rapidement les dépendances et les causes des dysfonctionnements.

• Automatisation des opérations : contribuer à l’amélioration des processus d’exploitation grâce au scripting, à l’automatisation et aux outils DevOps.

• Amélioration continue de la fiabilité : identifier les axes d’amélioration de la disponibilité, de la résilience et de la performance des plateformes.

• Coordination opérationnelle : collaborer avec les équipes techniques concernées, coordonner les interventions et assurer une communication claire pendant les incidents majeurs.

• Résilience et reprise d’activité : contribuer, le cas échéant, aux exercices de reprise après sinistre (Disaster Recovery – DR) et à la validation des procédures de restauration.