مهندس ارشد DevOps / SRE

پلتفرم حمل‌ونقل سازمانی مجموعه وصال، با نام کسبی و با هدف مدیریت هوشمند ماموریت‌ها، ناوگان و خدمات جابه‌جایی سازمان‌ها توسعه یافته است. زیرساخت سامانه کسبی بر بستر Kubernetes و سرورهای فیزیکی اجرا می‌شود و در حال توسعه به سمت معماری High Availability و Disaster Recovery چندسایته است.

ما در مجموعه وصال به دنبال یک مهندس ارشد DevOps / SRE هستیم که تجربه واقعی مدیریت زیرساخت‌های Production، Kubernetes، Linux و GitLab CI/CD را داشته باشد. فرد منتخب در پایداری زیرساخت فعلی و پیاده‌سازی معماری High Availability و Disaster Recovery چندسایته کسبی نقش کلیدی خواهد داشت. تجربه در Monitoring، Ansible، Harbor، MinIO، Veeam، MSSQL Always On و GitOps امتیاز محسوب می‌شود.

شرح شغل و وظایف:

• مدیریت، نگهداری و عیب‌یابی Clusterهای Kubernetes در محیط‌های Production، Test، Demo و Development
• مدیریت Docker Imageها، Deploymentها، Serviceها، Ingressها، Storageها و منابع Kubernetes
• طراحی، توسعه و نگهداری Pipelineهای CI/CD در GitLab
• پیاده‌سازی و توسعه فرآیندهای GitOps با استفاده از GitLab و ArgoCD
• مدیریت GitLab Runnerها و بهینه‌سازی فرآیند Build و Deployment
• مدیریت Registry داخلی با Harbor و سیاست‌های نگهداری و Replication Imageها
• مدیریت و پایش زیرساخت Linux و ماشین‌های مجازی روی VMware / ESXi
• توسعه اتوماسیون زیرساخت با Ansible و رویکرد Infrastructure as Code
• مدیریت و بهبود Nginx Edge، Load Balancing، Health Check و مسیرهای ورودی سرویس
• راه‌اندازی و نگهداری سیستم‌های مانیتورینگ، Alerting و Logging
• توسعه داشبوردها و هشدارها با VictoriaMetrics، Alertmanager، Grafana و Elasticsearch
• مدیریت MinIO، Storageهای Kubernetes و فرآیند Replication داده
• همکاری با تیم پایگاه داده برای پیاده‌سازی و نگهداری MSSQL Always On Availability Group
• همکاری در طراحی و اجرای Backup و Disaster Recovery با Veeam
• اجرای تست‌های دوره‌ای Backup، Restore، Failover و Failback
• مشارکت در پیاده‌سازی معماری سه‌سایته HA و DR سامانه کسبی
• اندازه‌گیری و گزارش RTO، RPO، Replication Lag و Availability سرویس‌ها
• بررسی رخدادهای Production، انجام Root Cause Analysis و ارائه اقدام اصلاحی
• تدوین Runbook، مستندات فنی، دیاگرام‌ها و دستورالعمل‌های عملیاتی
• همکاری نزدیک با تیم‌های Backend، Frontend، QA، امنیت و شبکه
• مشارکت در On-call و پاسخ‌گویی به رخدادهای مهم Production بر اساس برنامه توافق‌شده

مهارت‌های مورد نیاز:

• حداقل 4 سال تجربه مرتبط در حوزه DevOps، SRE یا مدیریت زیرساخت
• تجربه عملی مدیریت سرویس‌های Production
• تسلط مناسب به Linux Server Administration
• تسلط به Docker و مفاهیم Container
• تجربه عملی مدیریت Kubernetes در محیط Production
• تسلط به مفاهیم Kubernetes شامل Deployment و StatefulSet، Service و Ingress، ConfigMap و Secret، RBAC، Networking، Persistent Volume و Storage، Scheduling و Resource Management
• تجربه کار با Helm
• تسلط به Git و GitLab
• تجربه طراحی و نگهداری GitLab CI/CD Pipeline
• تجربه مناسب با Ansible و اتوماسیون زیرساخت
• توانایی اسکریپت‌نویسی با Bash یا Python
• آشنایی مناسب با مفاهیم شبکه شامل TCP/IP، DNS، NAT، Load Balancing، Reverse Proxy، Firewall و Routing
• تجربه کار با Nginx یا HAProxy
• تجربه راه‌اندازی Monitoring، Logging و Alerting
• توانایی تحلیل رخداد، عیب‌یابی و شناسایی Root Cause
• توانایی مستندسازی دقیق تغییرات، معماری و فرآیندهای عملیاتی
• مسئولیت‌پذیری، پیگیری و توانایی کار تیمی

داشتن تجربه در هر یک از موارد زیر امتیاز محسوب می‌شود و الزام نیست:

• ArgoCD و GitOps
• Harbor یا سایر Container Registryهای داخلی
• MinIO و Object Storage
• Longhorn یا سایر Storageهای Kubernetes
• VictoriaMetrics، Prometheus، Grafana و Alertmanager
• Elasticsearch، Kibana، OpenTelemetry یا Sentry
• VMware ESXi و vCenter
• Veeam Backup & Replication
• Veeam Hardened Repository و Immutable Backup
• Microsoft SQL Server Always On Availability Group
• WSFC و Distributed Availability Group
• Active Directory، DNS و NTP
• MikroTik، OPNsense، VRRP و Keepalived
• Infrastructure as Code
• Terraform
• Secret Management و امنیت Kubernetes
• طراحی High Availability
• طراحی و اجرای Disaster Recovery چندسایته
• مفاهیم RTO، RPO، Failover، Failback و DR Drill
• طراحی یا نگهداری زیرساخت‌های حساس و High Availability

شایستگی‌ها:

• در شرایط بحران آرام و مسئله‌محور باشد.
• تغییرات Production را بدون برنامه و مستندات انجام ندهد.
• نسبت به امنیت، Backup و قابلیت بازیابی سرویس حساس باشد.
• تنها به رفع موقت خطا اکتفا نکند و علت اصلی را شناسایی کند.
• بتواند تصمیم‌های فنی خود را شفاف و مستند توضیح دهد.
• روحیه Ownership داشته باشد و نتیجه نهایی کار را پیگیری کند.
• توانایی اولویت‌بندی میان رخدادهای Production و کارهای توسعه‌ای را داشته باشد.