自社開発のSaaSプロダクトについて、夜間・休日に発生した重大インシデントの 初動調査および暫定復旧を担当していただくオンコールエンジニアを募集します。 日常的な保守開発と平日日中のインシデント対応は別途の保守開発担当者が行うため、 本ポジションでは事前に合意した時間帯におけるSev1インシデントのオンコール対応と、 システム理解を維持するための一定量の保守開発を 担当していただきます。 求めているのは特定時間内の完全復旧ではなく、契約で定めた時間内の応答・調査開始・ 影響の抑制・ 適切なエスカレーションです。恒久対応や大規模開発は保守開発担当者へ 引き継ぎます。 ■業務内容 【オンコール対応】 アラート・緊急連絡の確認／Slackでの一次応答／CloudWatch Logs・Metrics・Alarmsの確認／障害箇所・影響範囲の調査／直近のデプロイ・設定変更の確認／アプリ・DB・AWS・外部サービスの切り分け／ロールバック・Fargateタスク再起動・設定変更・機能一時停止／Runbookに基づく暫定対応／復旧状況の共有・保守開発担当者への引き継ぎ 【保守開発・運用確認（通常時間帯）】 Goバックエンドのコード確認・軽微な不具合修正・小規模保守開発／PostgreSQLのデータ調査／AWS・Terraform構成の確認／CloudWatchの確認／GitHub Actionsのリリースフロー確認／Runbook・障害対応手順の更新／保守開発担当者との定期情報共有・障害対応訓練への参加 ■必須要件 ・Goを用いたWeb/API開発経験 ・PostgreSQLの開発・運用経験 ・AWS上のWebサービスの障害対応経験 ・CloudWatch Logs等を用いた障害調査経験 ・既存コードを読み、問題を切り分けられる方 ・SQLを用いたデータ調査経験 ・Git/GitHubでの開発経験 ・本番インシデント対応経験 ・夜間・休日の指定日時にPCと安定通信環境を確保できる方 ・緊急時に事実 ・推測・未確認事項を分けて報告できる方 ・月40時間または月80時間の通常稼働を確保できる方 ◾️歓迎スキル ・Connect RPC／Protocol Buffersの経験 ・AWS Fargate ・ECS、Aurora PostgreSQLの障害対応経験 ・Terraform、GitHub Actionsの運用経験 ・オンコールローテーション参加経験 ・SRE・DevOps ・インシデントコマンダー等の経験 ・ロールバック、データ復旧、機能停止等の判断・実施経験 ・Runbook、ポストモーテム作成経験 ・SaaS/Webサービスの24時間運用経験 ・少人数チームでアプリ〜インフラを横断した経験 ■使用ツール ・Go ・Connect RPC ・PostgreSQL（Aurora） ・AWS Fargate ・Terraform ・GitHub Actions ・CloudWatch ・GitHub ・Slack ■求める人物像 ・深夜・休日の障害時にも落ち着いて状況を整理できる方 ・不明な状態から優先順位を付けて調査を進められる方 ・確認済み事項と推測を分けて報告できる方 ・完全解決に固執せず、まず顧客影響を抑える対応を選べる方 ・Runbookに従いつつ想定外の事象には適切にエスカレーションできる方 ・保守開発担当者と継続的に情報共有し、システム理解を維持できる方