محیط کاری ما

•         زیرساخت on-prem با high traffic
•         ترکیب معماری monolith و microservices روی VM و Docker
•         Backend با ‎.NET Core‎ و frontend با Next.js
•         داده روی SQL Server، MongoDB و Redis؛ messaging با RabbitMQ
•         CI/CD روی Azure DevOps Server (on-premise)
•         Monitoring و logging با Prometheus، Grafana، Zabbix و ELK

شرح وظایف و مسئولیت‌ها

•         تدوین و اجرای roadmap فنی DevOps و Automation 
•         تعریف KPIهای فنی شامل Availability، MTTR، Deployment Frequency و Change Failure Rate و ارائه گزارش قابل فهم برای مدیران
•         ارزیابی تکنولوژی‌های جدید و ارائه راهکارهای قابل اجرا با در نظر گرفتن هزینه و ریسک
•         همکاری نزدیک با تیم‌های Backend، Frontend، QA، Infrastructure، Security و Product

CI/CD و Release

•         طراحی، توسعه و مدیریت pipelineهای CI/CD روی Azure DevOps Server از Build و Test تا Release و Deployment
•         طراحی و پیاده‌سازی Zero-Downtime Deployment و الگوهای Rolling، Blue/Green و Canary روی زیرساخت VM و Docker
•         استانداردسازی فرآیند release برای هر دو stack یعنی ‎.NET Core‎ و Next.js و حذف مراحل دستی و خطاپذیر

زیرساخت، Container و Automation

•         مدیریت و بهینه‌سازی محیط production روی Linux و Windows Server شامل IIS 
•         مدیریت لایه virtualization، capacity planning و بهینه‌سازی مصرف منابع و هزینه زیرساخت
•         مدیریت Docker در مقیاس production، استانداردسازی imageها و راه‌اندازی و نگهداری registry داخلی
•         طراحی و پیاده‌سازی Infrastructure as Code و Configuration Management با Ansible و ابزارهای مشابه
•         نگهداری configuration زیرساخت در Version Control و حرکت به سمت زیرساخت تکرارپذیر
•         توسعه script و ابزارهای Automation با Python، Bash و PowerShell
•         تدوین استراتژی میان‌مدت container orchestration و ارزیابی مهاجرت به Kubernetes

Reliability و Production

•         طراحی و پیاده‌سازی High Availability، Fault Tolerance و Scalability برای سرویس‌های high traffic
•         توسعه Monitoring، Alerting، Logging و Observability روی stack موجود و کاهش alert noise
•         تعریف و پایش شاخص‌های Reliability، Availability، Performance و Capacity
•         مدیریت رخدادهای مهم production، هدایت شرایط بحرانی و انجام Root Cause Analysis
•         ایجاد و مدیریت فرآیندهای Incident Management، Postmortem و Problem Management و کاهش MTTR
•         طراحی و اجرای Backup و Disaster Recovery و تست دوره‌ای restore

Security

•         مدیریت secretها، credentialها، certificateها و Access Control
•         پیاده‌سازی Security Scan، Vulnerability Management و Security Gate در pipeline
•         همکاری با تیم Security برای hardening و کاهش ریسک‌های زیرساختی
•         مستندسازی معماری، فرآیندها، Configurationها، Runbookها و استانداردهای عملیاتی

تجربه و شایستگی‌ها

•         حداقل 8 سال سابقه حرفه‌ای در DevOps، SRE، Infrastructure یا Platform Engineering
•         حداقل 3 سال سابقه موفق در نقش Lead یا Technical Lead و رهبری تیم
•         تجربه اثبات‌شده در مدیریت محیط‌های production در مقیاس بزرگ و high traffic
•         تسلط عمیق به Linux و Windows Server
•         تسلط عملی به Docker در production
•         تجربه طراحی و مدیریت CI/CD در مقیاس سازمانی، ترجیحاً با Azure DevOps
•         تجربه عملی Infrastructure as Code و Automation با Ansible، Python، Bash یا PowerShell
•         دانش مناسب در معماری Microservices و Distributed Systems
•         تسلط به مفاهیم Network شامل DNS، HTTP/HTTPS، Load Balancing، Reverse Proxy، Routing و Firewall
•         تجربه Monitoring، Logging و Observability
•         توانایی تحلیل و رفع Root Cause مشکلات پیچیده production
•         تجربه مدیریت Incidentهای مهم و تصمیم‌گیری در شرایط بحرانی
•         تجربه طراحی فرآیندهای Disaster Recovery
•         دانش مناسب در حوزه Infrastructure Security و DevSecOps
•         توانایی مستندسازی Architecture و Runbook و تعریف KPIهای فنی
•         توانایی هدایت، Mentoring و توسعه اعضای تیم

مزیت محسوب می‌شود 

•         Kubernetes و Helm 
•         Terraform
•         Kafka
•         تجربه با AWS، Azure، GCP یا ابرهای داخلی و محیط‌های Hybrid
•         تجربه عملیاتی با SQL Server، MongoDB و Redis در production
•         آشنایی عملی با کاربردهای AI، LLM، AI Agents و AIOps در عملیات فناوری