PLATFORM OWNER

Nova Solutions; Ciudad de México; Presencial; MXN 600.000 - 900.000; Jornada completa

Descripción de la vacante

Nova Solutions está buscando un ingeniero de observabilidad/recuperación de incidentes en CDMX para liderar la reconstrucción de flujos de petición y detectar fallas en capas de la pila.

Se requiere experiencia con Grafana, Kubernetes (nivel operador), Kafka, Redis y SQL Server. Se valoran conocimientos en Camel, API Gateway de Sensedia y patrones Saga para transacciones distribuidas.

Formación

• Observabilidad avanzada con trazabilidad y métricas en Grafana.
• Experiencia con Kubernetes a nivel operador: pods, eventos, reinicios y reversión de despliegues.
• Kafka y Redis para procesamiento, sesión y caché.
• Resilience4j: lectura de estado de circuit breakers, timeouts y reintentos.
• SQL Server: consulta de logs y datos replicados.

Responsabilidades

• Reconstruir el recorrido de la petición con trazas y matrices para identificar la capa que falla.
• Determinar si la causa es dato, configuración, tercero o código.
• Restablecer servicio mediante parámetros, catálogos, banderas de funcionalidad o reinicio y reversión de despliegues.
• Armar evidencia y caso con logs, respuestas y timestamps para proveedores.
• Ejecutar y mantener runbooks de restauración.

Conocimientos

Observabilidad

Grafana

Tracing

Kubernetes

Kafka

Redis

Resilience4j

SQL Server

Herramientas

HashiCorp Vault

Sensedia API Gateway

Apache Camel

Saga pattern

Descripción del empleo

PROPÓSITO DEL PUESTO

Segundo nivel de diagnóstico y restauración. Toma los casos que el primer nivel no resolvió con runbook, determina en qué capa está la causa y devuelve el servicio sin necesidad de modificar código.

RESPONSABILIDADES

• Reconstruir el recorrido de la petición con la traza distribuida e identificar la capa donde se rompió.
• Determinar si la causa es dato, configuración, un tercero o código.
• Restablecer el servicio mediante parámetros, catálogos, banderas de funcionalidad, compensación de operaciones colgadas, o reinicio y reversión de despliegues.
• Armar el caso con evidencia — mensaje enviado, respuesta, marcas de tiempo y código del proveedor — cuando la causa está fuera del perímetro del servicio.
• Ejecutar y mantener los runbooks de restauración.

FUERA DE SU RESPONSABILIDAD

• No corrige código: escala a desarrollo con el diagnóstico probado.
• No administra la plataforma de contenedores, la red ni las bases de datos.

REQUISITOS TÉCNICOS

• Observabilidad: consulta y correlación entre trazas, bitácoras y métricas desde Grafana.
• Kubernetes a nivel operador: estado de pods, eventos, bitácoras, reinicio y reversión de despliegues.
• Kafka: retraso de consumidor, reequilibrios y mensajes atorados.
• Redis en modo Sentinel: identificar un failover y revisar el estado de sesión y caché.
• Resilience4j: leer el estado de los circuit breakers, timeouts y reintentos.
• SQL Server: consulta de bitácora y de datos replicados del core.

DESEABLES O FORMABLES DURANTE LA TRANSICIÓN

• Diagnóstico de rutas de Apache Camel y del patrón Saga: compensaciones no ejecutadas y sagas sin cerrar.
• Sensedia API Gateway: políticas, control de tráfico y enrutamiento.
• HashiCorp Vault: diagnóstico de fallas por secreto vencido o rotado.
• Interpretación de códigos de respuesta de plataformas de identidad y de token.