Tech Lead de Infraestrutura e Operações

A NT: Orchestrating technology to move businesses forward. A NTConsult é uma empresa global de tecnologia com mais de 20 anos de experiência consolidada. Entregamos soluções digitais críticas para o negócio, orquestradas e com integração de ponta a ponta e impacto em escala corporativa. Fomentamos o crescimento pessoal e profissional do nosso time por meio de uma cultura colaborativa, com autonomia, oportunidades de carreira e projetos significativos que geram impacto real. Confira nossa página nacional e internacional em: www.ntconsult.com.br e www.ntconsultcorp.com. O projeto: Estamos procurando excepcionais Tech Leads para esta oportunidade totalmente remota de trabalhar com um cliente com mais de 20 anos de atuação e com atuação em 30 países, desenvolvendo soluções que ajudam a gerenciar as atividades da gestão de produção animal. Buscam uma pessoa apaixonada por tecnologia, desenvolvimento de software e inovação através de Inteligência Artificial. Você garantirá a estabilidade operacional da plataforma em produção e a prontidão da infraestrutura, atuando como referência técnica sênior do time de infraestrutura e conduzindo tecnicamente os profissionais de DevOps, além de responder pela condução do processo de resposta a incidentes entre infraestrutura e aplicação. Responsabilidades Responsabilidade técnica pela infraestrutura: Responder pela disponibilidade e pela saúde da infraestrutura em produção, liderando a resposta a incidentes de ponta a ponta: conduzir a investigação, acionar aplicação e DBA, decidir e executar rollback e comunicar status às áreas de negócio. Orquestrar a atuação dos profissionais de DevOps do time durante a operação e nos incidentes — distribuir frentes de investigação, definir prioridades e garantir que não haja sobreposição nem lacuna de cobertura. Acionar os responsáveis pelos times de desenvolvimento sempre que a resolução depender da aplicação, trazendo-os para dentro do incidente com o problema já caracterizado tecnicamente pela infraestrutura. Gerar backlog técnico para os times de desenvolvimento e cobrar a resolução. Quando a infraestrutura identificar a origem de um problema na aplicação — uma consulta do S4 que degrada o banco, por exemplo —, cabe a esta posição registrar a demanda, dimensionar o impacto e acompanhar o gestor do time responsável até a entrega. Não basta apontar: é preciso sustentar a cobrança. Instituir disciplina de rollback. O padrão atual é investigar por horas antes de reverter a última mudança — em um dos incidentes foram três horas até desligar a réplica introduzida na véspera. A primeira pergunta em qualquer incidente precisa ser "o que mudou". Conduzir postmortem com causa raiz documentada e garantir que a evidência exista quando for necessária. O incidente de 04/06 não pôde ser investigado porque os logs venceram a retenção de 30 dias — revisar essa política é entrega das primeiras semanas. Curadoria Técnica De Mudanças Avaliar impacto de negócio antes de qualquer alteração em produção e vetar o que não for necessário durante a janela de transição de plataforma. Restabelecer a confiança no ciclo homologação ? produção. O histórico é de mudanças validadas em homologação que derrubaram a produção. A orientação da diretoria do cliente é explícita: não se testa em produção. Estruturar validação que reproduza carga real — o ambiente atual não simula os picos de produção, na ordem de 3.000 requisições/min de GET nas janelas de 9h–12h e 14h–17h. Definir plano de teste e critério de go/no-go para os itens de alto risco em aberto: aplicação do PgBouncer, redução de infraestrutura e upgrade do PostgreSQL 13 ? 17. Gestão De Métricas e Proatividade Assumir a gestão ativa de métricas e alertas: questionar o que está sendo medido, propor novos alertas e eliminar ruído. O monitoramento evoluiu recentemente, mas a proatividade não acompanhou. Estabelecer rotina de checagem antecipatória, atuando sobre degradação antes que se converta em incidente. Endereçar os erros hoje mascarados pelo superdimensionamento. O ambiente opera no limite superior, o que esconde timeouts e erros 500 visíveis nos gráficos — e a redução de máquinas está no plano Liderança Técnica Do Time Ser o ponto de consulta sênior do time de infraestrutura, orientando em cenários complexos e revisando soluções antes da execução. Endereçar os elementos de legado do S4 atual, hoje mais densos do que o repertório do time comporta. Acompanhar a qualidade das atividades e desenvolver a maturidade técnica dos profissionais pleno e júnior. Processo e Comunicação Estruturar o processo formal de comunicação entre infraestrutura e aplicação. Ponto levantado pelas duas diretorias: o time de produto se queixa de mudanças não comunicadas e, quando ocorre um problema, ninguém sabe o que foi alterado. Implantar mapa de responsáveis por módulo com canal direto de acionamento, no modelo de NOC. Documentar procedimentos operacionais, roteiros de resposta a incidente e critérios de escalonamento. Gestão De Capacidade Avaliar a capacidade da infraestrutura frente ao crescimento do negócio. Validar criticamente os testes de carga já realizados para o novo S4. A diretoria colocou a dúvida diretamente: ninguém hoje garante, com senioridade, que a plataforma suporta a carga projetada. Recomendar dimensionamento e evolução de arquitetura com base em dados. Os Requisitos Mandatórios Experiência consolidada como SRE, DevOps sênior ou tech lead de infraestrutura em ambiente SaaS de produção com carga relevante. PostgreSQL em profundidade — o requisito mais crítico. Análise de locks e gestão de conexões, tuning, pooling (PgBouncer), planos de execução, réplicas e estratégia de índices. Google Cloud Platform, incluindo Cloud SQL, dimensionamento de recursos (HPA/VPA) e gestão de custo; Experiência com GKE – Google Kubernetes Engine; Observabilidade e leitura de séries temporais para diagnóstico (Prometheus, Grafana, Loki, Opentelemetry); Gestão de incidentes com método: causa raiz, postmortem e disciplina de rollback; Experiência com IaC - Infraestrutura como código (Terraform); Os Diferenciais Vivência em NOC ou centro de operações. Experiência em migração de plataforma legada para arquitetura nova, atuando na frente de capacidade. Testes de carga e engenharia de performance. Familiaridade com Python e Node.js suficiente para dialogar tecnicamente com os times de desenvolvimento e caracterizar problemas de aplicação com propriedade — o S4 atual é Python e o novo S4 é Node.