DevOps (SRE), Monitoramento

Equanimus; United States; Remote; USD 120,000 - 170,000; Full time

Job summary

A Equanimus está buscando um Engenheiro DevOps (SRE) para sustentar confiabilidade, disponibilidade e desempenho dos ambientes técnicos, com foco em monitoramento, automação e melhoria contínua.

Você trabalhará com Zabbix, Prometheus, Grafana e outras ferramentas, construindo pipelines CI/CD, IaC com Terraform/Ansible, containers Docker/Kubernetes e nuvens (AWS/Azure/GCP), visando reduzir MTTR e ampliar SLOs.

Qualifications

• Experiência em DevOps/SRE para monitoramento, confiabilidade e desempenho.
• Conhecimento em ferramentas de monitoramento como Zabbix, Prometheus, Grafana, Datadog ou similares.
• Linux e administração de servidores; logs, métricas e tracing.
• CI/CD, Git; automação com IaC (Terraform/Ansible).
• Containers com Docker e Kubernetes; nuvens públicas (AWS/Azure/GCP).
• Noções de redes, DNS, HTTP/HTTPS e segurança básica.

Responsibilities

• Implementar, configurar e manter soluções de monitoramento de infra e apps.
• Acompanhar disponibilidade, desempenho e uso de recursos.
• Criar dashboards e alertas para detecção de falhas.
• Investigar incidentes, identificar causas e propor ações preventivas.
• Desenvolver automações para reduzir tarefas manuais.
• Apoiar CI/CD, IaC e padronização de ambientes.
• Colaborar com desenvolvimento para observabilidade e confiabilidade.
• Definir SLIs/SLOs/SLAs e analisar KPIs de confiabilidade.
• Participar de análises pós-incidente e planos de melhorias.

Skills

DevOps/SRE

Observability

SRE incident management

Scripting (Python/Bash)

CI/CD

Git

Automation

Networking

OS Linux

Logs/metrics/tracing

Terraform/Ansible (IaC)

Docker/Kubernetes

Cloud (AWS/Azure/GCP)

Tools

Zabbix

Prometheus

Grafana

Datadog

New Relic

Job description

Descrição de Cargo – DevOps (SRE) | Monitoramento

Empresa: Equanimus
Área: Tecnologia / Infraestrutura
Cargo: DevOps (Site Reliability Engineering – SRE) | Monitoramento

1. Objetivo do cargo

Atuar na sustentação, confiabilidade, disponibilidade e desempenho dos ambientes tecnológicos da Equanimus, implementando práticas de DevOps e Site Reliability Engineering (SRE). Será responsável pelo monitoramento contínuo de aplicações e infraestrutura, identificação e prevenção de incidentes, automação de processos operacionais e melhoria contínua da estabilidade dos serviços, contribuindo para a eficiência operacional e a qualidade das entregas tecnológicas.

2. Principais responsabilidades

• Implementar, configurar e manter soluções de monitoramento de infraestrutura, aplicações, serviços e ambientes em nuvem.

• Acompanhar métricas de disponibilidade, desempenho, utilização de recursos e capacidade dos sistemas.

• Criar e gerenciar dashboards, alertas e indicadores para identificação proativa de falhas e anomalias.

• Atuar na investigação, diagnóstico e resolução de incidentes, identificando causas-raiz e propondo ações preventivas.

• Desenvolver scripts e automações para reduzir atividades manuais e aumentar a eficiência operacional.

• Apoiar a implementação e manutenção de pipelines CI/CD, contribuindo para a automação e segurança dos processos de implantação.

• Trabalhar com práticas de Infrastructure as Code (IaC), gerenciamento de configurações e padronização de ambientes.

• Colaborar com as equipes de desenvolvimento para melhorar a observabilidade, a performance e a confiabilidade das aplicações.

• Definir e acompanhar indicadores de confiabilidade, como SLIs, SLOs e SLAs, conforme as necessidades do negócio.

• Participar de análises pós-incidente, documentando ocorrências, aprendizados e planos de ação.

• Contribuir para o planejamento de capacidade, identificação de gargalos e otimização do consumo de recursos computacionais.

• Manter documentações técnicas, procedimentos operacionais e planos de resposta a incidentes atualizados.

• Apoiar a implementação de boas práticas de segurança, gestão de acessos e resiliência dos ambientes tecnológicos.

3. Requisitos técnicos

• Experiência com DevOps, SRE, infraestrutura de TI, observabilidade ou monitoramento de ambientes tecnológicos.

• Conhecimento em ferramentas de monitoramento, como Zabbix, Prometheus, Grafana, Datadog, New Relic ou similares.

• Conhecimento em sistemas operacionais Linux e administração de ambientes servidores.

• Experiência com análise de logs, métricas, rastreamento distribuído (tracing) e identificação de falhas.

• Conhecimento em redes, protocolos de comunicação, DNS, HTTP/HTTPS e troubleshooting.

• Conhecimento em linguagens de script, como Python, Bash ou similares.

• Familiaridade com Git e ferramentas de integração e entrega contínuas (CI/CD).

• Conhecimento em containers, especialmente Docker, e familiaridade com Kubernetes.

• Noções de infraestrutura em nuvem, como AWS, Azure ou Google Cloud.

• Conhecimento em automação de infraestrutura e ferramentas de Infrastructure as Code, como Terraform ou Ansible.

• Capacidade de analisar incidentes, identificar causas-raiz e propor melhorias técnicas sustentáveis.

4. Diferenciais

• Experiência com implementação de práticas de SRE em ambientes de produção.

• Vivência com OpenTelemetry e ferramentas de observabilidade distribuída.

• Experiência com ambientes de microsserviços e arquiteturas distribuídas.

• Conhecimento em estratégias de alta disponibilidade, escalabilidade, backup e recuperação de desastres.

• Experiência com gestão de incidentes, post-mortems e melhoria contínua de processos operacionais.

• Familiaridade com práticas de FinOps e otimização de custos em nuvem.

• Conhecimento em segurança de infraestrutura e gestão de vulnerabilidades.

5. Competências comportamentais

• Raciocínio analítico e capacidade de resolução de problemas complexos.

• Perfil investigativo, preventivo e orientado à identificação de causas-raiz.

• Organização e atenção aos detalhes.

• Proatividade na identificação de riscos e oportunidades de melhoria.

• Capacidade de priorização em situações críticas e de pressão.

• Comunicação clara e colaboração com equipes multidisciplinares.

• Senso de responsabilidade sobre a disponibilidade e a confiabilidade dos serviços.

• Mentalidade de automação, aprendizado contínuo e melhoria de processos.

6. Indicadores de desempenho (KPIs)

• Disponibilidade e confiabilidade dos serviços monitorados.

• Tempo médio para detecção de incidentes (MTTD).

• Tempo médio para recuperação de serviços (MTTR).

• Volume de incidentes recorrentes e percentual de incidentes prevenidos.

• Cobertura de monitoramento e observabilidade dos serviços críticos.

• Redução de alertas falsos positivos e melhoria da qualidade dos alertas.

• Percentual de processos operacionais automatizados.

• Cumprimento dos objetivos de nível de serviço (SLOs), quando definidos.

7. Perfil profissional esperado

Buscamos um profissional com perfil analítico, investigativo e orientado à confiabilidade dos sistemas, capaz de atuar tanto na prevenção quanto na resolução de incidentes. A pessoa deverá ter iniciativa para automatizar processos, aprimorar o monitoramento e trabalhar em parceria com os times de desenvolvimento e infraestrutura, contribuindo para a estabilidade, escalabilidade e evolução contínua dos serviços da Equanimus.