We are looking for an experienced, proactive and innovative professional that is keen to join as a Senior Site Reliability Engineer! The mission of Nexthink's SRE team is to strengthen our infrastructure and enhance our ability to deploy, monitor, and scale systems effectively and reliably. They work closely with over 50 Product Engineering teams that develop our products and services, as well as with the Technical Platform Engineering, Security and Architecture teams to understand the reliability requirements, design and implement solutions, and promote them for adoption and usage.

Join our vibrant team of diverse and experienced engineers where cutting-edge technology meets innovation. Be a part of Nexthink's Digital Employee Experience technological revolution, ensuring our global customers enjoy a seamless user experience. Apply now and become a key player in our dynamic SRE organisation.

As a Senior Site Reliability Engineer, you will:

Implement and manage cloud-native systems (AWS) using best-in-class tools and automation.
Operate and enhance Kubernetes clusters, deployment pipelines, and service meshes to support rapid delivery cycles.
Design, build, and maintain the infrastructure powering our multi-tenant SaaS platform with reliability, security, and scalability in mind.
Define and maintain SLOs, SLAs, and error budgets, and proactively address availability and performance issues.
Develop infrastructure-as-code (Terraform or similar) for repeatable and auditable provisioning.
Build internal platform tools and automation to support provisioning, monitoring, and operational efficiency.
Monitor infrastructure and applications ensuring high-quality user experiences.
Participate in a shared on-call rotation, responding to incidents, troubleshooting outages, and driving timely resolution and communication.
Act as an Incident Commander during the on-call duty and coordinate cross-team responses effectively to maintain an SLA.
Drive and refine incident response processes, reducing Mean Time to Detect (MTTD) and Mean Time to Recovery (MTTR).
Diagnose and resolve complex issues independently, minimizing the need for external escalation.
Work closely with software engineers to embed observability, fault tolerance, and reliability principles into service design.
Automate runbooks, health checks, and alerting to support reliable operations with minimal manual intervention.
Support automated testing, canary deployments, and rollback strategies to ensure safe, fast, and reliable releases.
Contribute to security best practices, compliance automation, and cost optimization.

Minimum Bachelor’s degree in Computer Science or equivalent practical experience.

5+ years of experience as a Site Reliability Engineer or Platform Engineer with strong knowledge of software development best practices.
Strong hands-on experience with public cloud services (AWS, GCP, Azure) and supporting SaaS product.
Strong programming or scripting skills (e.g., Python, Go, Bash...), and experience with infrastructure-as-code (e.g. Terraform).
Proficiency with Kubernetes, container-based deployment (e.g., Docker) and related ecosystems (e.g., Helm).
Experience supporting multi-tenant microservices architectures.
Experience with CI/CD pipelines & tools (e.g., Jenkins, GitHub Actions, GitLab CI, FluxCD, Crossplane).
Experience with managing monitoring solutions (e.g. Datadog).
Comfortable participating in a rotating on-call schedule, managing critical incidents, and leading post-incident reviews.
At ease with operating and managing production systems, striking the right balance between urgency and methodology.
Strong system-level troubleshooting skills and a proactive mindset toward incident prevention.
Deep understanding of Linux systems, networking, and common troubleshooting practices.
Solid understanding of the network stack (e.g., TCP/IP, VPN, etc.), cloud architectures (VPC, subnets, firewalls, load balancers), service mesh (e.g., Istio) and storage (e.g., S3, EBS, etc).
Knowledge of zero-downtime deployment strategies, blue/green and canary releases.
Exposure to compliance standards such as SOC 2, ISO 27001, or HIPAA. FedRAMP experience is a big plus.
Experience with chaos engineering or resilience testing practices.
Excellent problem-solving skills, collaborative mindset, and a strong grasp of agile, iterative development.
Self-driven, highly organised, and capable of independently managing priorities.
Curiosity to learn new things and discover new technologies.
Strong communication, presentation, and team collaboration skills.
Excellent written and verbal skills in English.

The prior experience with any of the above-mentioned tools is a bonus, but not a must! We encourage you to apply even if you do not meet every single requirement. We welcome candidates with different level of background and experience. If you are excited about this role, please apply and our recruiters will assess your application.

We are the pioneers and trailblazers of a global IT Market Category (DEX) that is shaping the future of how the world works, giving our customers’ IT Teams total digital visibility across their enterprise. Our innovative solutions integrate real-time analytics, automation, and employee feedback across all endpoints. This enables our IT teams to solve complex technical challenges, create ever more productive workplaces, and deliver happy, satisfied employees in the digital workplace.

With over 1000 employees across 5 continents, Nexthink operates as One Team, connecting, collaborating and innovating to continuously grow. We call our employees ‘Nexthinkers’ and our commitment to diversity, inclusion, and equity is second to none. We currently have over 75 nationalities working with us, from all cultures and backgrounds, speaking many different languages.

Nexthink is the leader in digital employee experience management software. The company provides IT leaders with unprecedented insight allowing them to see, diagnose and fix issues at scale impacting employees anywhere, with any application or network, before employees notice the issue. As the first solution to allow IT to progress from reactive problem solving to proactive optimization, Nexthink enables its more than 1,300 customers to provide better digital experiences to more than 18 million employees. Dual headquartered in Lausanne, Switzerland and Boston, Massachusetts, Nexthink has 9 offices worldwide.

As a Senior Site Reliability Engineer, you will:

Implement and manage cloud-native systems (AWS) using best-in-class tools and automation.
Operate and enhance Kubernetes clusters, deployment pipelines, and service meshes to support rapid delivery cycles.
Design, build, and maintain the infrastructure powering our multi-tenant SaaS platform with reliability, security, and scalability in mind.
Define and maintain SLOs, SLAs, and error budgets, and proactively address availability and performance issues.
Develop infrastructure-as-code (Terraform or similar) for repeatable and auditable provisioning.
Build internal platform tools and automation to support provisioning, monitoring, and operational efficiency.
Monitor infrastructure and applications ensuring high-quality user experiences.
Participate in a shared on-call rotation, responding to incidents, troubleshooting outages, and driving timely resolution and communication.
Act as an Incident Commander during the on-call duty and coordinate cross-team responses effectively to maintain an SLA.
Drive and refine incident response processes, reducing Mean Time to Detect (MTTD) and Mean Time to Recovery (MTTR).
Diagnose and resolve complex issues independently, minimizing the need for external escalation.
Work closely with software engineers to embed observability, fault tolerance, and reliability principles into service design.
Automate runbooks, health checks, and alerting to support reliable operations with minimal manual intervention.
Support automated testing, canary deployments, and rollback strategies to ensure safe, fast, and reliable releases.
Contribute to security best practices, compliance automation, and cost optimization.

Minimum Bachelor’s degree in Computer Science or equivalent practical experience.

5+ years of experience as a Site Reliability Engineer or Platform Engineer with strong knowledge of software development best practices.
Strong hands-on experience with public cloud services (AWS, GCP, Azure) and supporting SaaS product.
Strong programming or scripting skills (e.g., Python, Go, Bash...), and experience with infrastructure-as-code (e.g. Terraform).
Proficiency with Kubernetes, container-based deployment (e.g., Docker) and related ecosystems (e.g., Helm).
Experience supporting multi-tenant microservices architectures.
Experience with CI/CD pipelines & tools (e.g., Jenkins, GitHub Actions, GitLab CI, FluxCD, Crossplane).
Experience with managing monitoring solutions (e.g. Datadog).
Comfortable participating in a rotating on-call schedule, managing critical incidents, and leading post-incident reviews.
At ease with operating and managing production systems, striking the right balance between urgency and methodology.
Strong system-level troubleshooting skills and a proactive mindset toward incident prevention.
Deep understanding of Linux systems, networking, and common troubleshooting practices.
Solid understanding of the network stack (e.g., TCP/IP, VPN, etc.), cloud architectures (VPC, subnets, firewalls, load balancers), service mesh (e.g., Istio) and storage (e.g., S3, EBS, etc).
Knowledge of zero-downtime deployment strategies, blue/green and canary releases.
Exposure to compliance standards such as SOC 2, ISO 27001, or HIPAA. FedRAMP experience is a big plus.
Experience with chaos engineering or resilience testing practices.
Excellent problem-solving skills, collaborative mindset, and a strong grasp of agile, iterative development.
Self-driven, highly organised, and capable of independently managing priorities.
Curiosity to learn new things and discover new technologies.
Strong communication, presentation, and team collaboration skills.
Excellent written and verbal skills in English.

Мы ищем опытного, проактивного и инновационного специалиста, который хочет присоединиться к нам в качестве Старшего инженера по надежности сайтов! Миссия команды SRE Nexthink — укрепить нашу инфраструктуру и улучшить нашу способность эффективно и надежно развертывать, контролировать и масштабировать системы. Они тесно сотрудничают с более чем 50 командами разработки продуктов, которые создают наши продукты и услуги, а также с командами инженерии технических платформ, безопасности и архитектуры, чтобы понимать требования к надежности, разрабатывать и внедрять решения, а также продвигать их для принятия и использования.

Присоединяйтесь к нашей дружной команде разнообразных и опытных инженеров, где передовые технологии встречаются с инновациями. Станьте частью технологической революции Nexthink в области цифрового опыта сотрудников, обеспечивая нашим глобальным клиентам бесперебойный пользовательский опыт. Подайте заявку сейчас и станьте ключевым игроком в нашей динамичной организации SRE.

Мы приветствуем кандидатов с разным уровнем подготовки и опыта. Мы — пионеры и первопроходцы глобальной категории IT-рынка (DEX), формирующей будущее того, как мир работает, предоставляя командам ИТ наших клиентов полную цифровую видимость по всему предприятию. Наши инновационные решения объединяют аналитику в реальном времени, автоматизацию и обратную связь от сотрудников на всех конечных точках. Это позволяет нашим ИТ-командам решать сложные технические задачи, создавать все более продуктивные рабочие места и обеспечивать счастливый, удовлетворенный опыт сотрудников в цифровой рабочей среде.

Имея более 1000 сотрудников на 5 континентах, Nexthink работает как одна команда, связываясь, сотрудничая и внедряя инновации для постоянного роста. Мы называем наших сотрудников «Nexthinkers», и наша приверженность разнообразию, инклюзивности и справедливости не имеет себе равных. В настоящее время у нас работают представители более 75 национальностей, из разных культур и слоев общества, говорящие на многих языках.

Nexthink — лидер в области программного обеспечения для управления цифровым опытом сотрудников. Компания предоставляет ИТ-руководителям беспрецедентное понимание, позволяющее им видеть, диагностировать и устранять проблемы в масштабе, затрагивающие сотрудников где угодно, с любым приложением или сетью, прежде чем сотрудники заметят проблему. Будучи первым решением, позволяющим ИТ перейти от реактивного решения проблем к проактивной оптимизации, Nexthink позволяет своим более чем 1300 клиентам предоставлять лучший цифровой опыт для более чем 18 миллионов сотрудников. Компания Nexthink, имеющая двойную штаб-квартиру в Лозанне, Швейцария, и Бостоне, Массачусетс, имеет 9 офисов по всему миру.

В качестве Старшего инженера по надежности сайтов вы будете:

Внедрять и управлять облачными системами (AWS), используя лучшие в своем классе инструменты и автоматизацию
Эксплуатировать и улучшать кластеры Kubernetes, конвейеры развертывания и сервисные сетки для поддержки быстрых циклов доставки
Разрабатывать, создавать и поддерживать инфраструктуру, лежащую в основе нашей многопользовательской SaaS-платформы, с учетом надежности, безопасности и масштабируемости
Определять и поддерживать SLO, SLA и бюджеты ошибок, а также проактивно решать проблемы доступности и производительности
Разрабатывать инфраструктуру как код (Terraform или аналогичный) для повторяемого и проверяемого предоставления ресурсов
Создавать внутренние инструменты платформы и автоматизацию для поддержки предоставления ресурсов, мониторинга и операционной эффективности
Мониторить инфраструктуру и приложения, обеспечивая высокое качество пользовательского опыта
Участвовать в общем дежурстве по вызову, реагировать на инциденты, устранять сбои и обеспечивать своевременное решение и коммуникацию
Выступать в роли командира инцидентов во время дежурства по вызову и эффективно координировать действия между командами для поддержания SLA
Развивать и совершенствовать процессы реагирования на инциденты, сокращая среднее время обнаружения (MTTD) и среднее время восстановления (MTTR)
Самостоятельно диагностировать и решать сложные проблемы, сводя к минимуму необходимость внешнего эскалации
Тесно сотрудничать с инженерами-программистами для внедрения принципов наблюдаемости, отказоустойчивости и надежности в проектирование сервисов
Автоматизировать runbooks, проверки работоспособности и оповещения для поддержки надежной работы с минимальным ручным вмешательством
Поддерживать автоматизированное тестирование, канареечные развертывания и стратегии отката для обеспечения безопасных, быстрых и надежных релизов
Вносить вклад в лучшие практики безопасности, автоматизацию соответствия требованиям и оптимизацию затрат

Минимальная степень бакалавра в области компьютерных наук или эквивалентный практический опыт.

Более 5 лет опыта работы в качестве инженера по надежности сайтов или инженера платформы с глубокими знаниями лучших практик разработки программного обеспечения
Значительный практический опыт работы с сервисами публичных облаков (AWS, GCP, Azure) и поддержкой SaaS-продуктов
Сильные навыки программирования или написания скриптов (например, Python, Go, Bash...) и опыт работы с инфраструктурой как кодом (например, Terraform)
Владение Kubernetes, контейнерными развертываниями (например, Docker) и связанными экосистемами (например, Helm)
Опыт поддержки многопользовательских архитектур микросервисов
Опыт работы с конвейерами CI/CD и инструментами (например, Jenkins, GitHub Actions, GitLab CI, FluxCD, Crossplane)
Опыт управления решениями для мониторинга (например, Datadog)
Готовность участвовать в сменном дежурстве по вызову, управлять критическими инцидентами и проводить пост-инцидентные обзоры
Уверенное управление производственными системами, нахождение правильного баланса между срочностью и методологией
Сильные навыки устранения системных проблем и проактивный подход к предотвращению инцидентов
Глубокое понимание систем Linux, сетевых технологий и распространенных методов устранения неполадок
Твердое понимание сетевого стека (например, TCP/IP, VPN и т. д.), облачных архитектур (VPC, подсети, межсетевые экраны, балансировщики нагрузки), сервисных сеток (например, Istio) и хранилищ (например, S3, EBS и т. д.)
Знание стратегий развертывания без простоя, сине-зеленых и канареечных релизов
Опыт работы со стандартами соответствия, такими как SOC 2, ISO 27001 или HIPAA. Опыт работы с FedRAMP является большим плюсом
Опыт работы с техниками chaos engineering или тестирования устойчивости
Отличные навыки решения проблем, совместный подход и глубокое понимание гибкой, итеративной разработки
Самостоятельность, высокая организованность и способность самостоятельно управлять приоритетами
Любознательность к изучению нового и открытию новых технологий
Сильные коммуникативные навыки, навыки презентации и командной работы
Отличное владение английским языком, как письменным, так и устным

Предыдущий опыт работы с любым из вышеперечисленных инструментов является плюсом, но не обязателен!

Senior Site Reliability Engineer

Детали

Сопроводительное письмо к вакансии

Подходит ли тебе эта вакансия?

Похожие вакансии