Site Reliability Engineer, Logging Squad SRE Lead Organization: Observability Role Purpose The Logging Squad SRE Lead is responsible for the reliability, recoverability, operational effectiveness, and continuous improvement of services within the Logging product squad. This is a hands-on technical leadership role combining Site Reliability Engineering, observability, automation, incident and problem management, resilience engineering, and operational excellence. The SRE Lead is accountable for implementing, managing, and maturing the SRE practice for the Logging squad, identifying reliability gaps and translating them into actionable engineering work with measurable outcomes. Reliability delivery is shared across the product squad. The SRE Lead provides technical and practice leadership, ensuring reliability requirements are understood, prioritized, and followed through, while working closely with product engineering and the Fleet SRE Lead. The role does not inherently carry line-management responsibility.
Key Responsibilities
Reliability Engineering • Establish and continuously improve the reliability and operational effectiveness of Logging services. • Define and maintain meaningful Service Level Indicators (SLIs), Service Level Objectives (SLOs), and error-budget practices. • Identify reliability risks, service dependencies, failure modes, scalability constraints, and operational weaknesses. • Translate identified gaps into prioritized engineering work with clear outcomes and acceptance criteria. • Use reliability measures and operational evidence to guide improvement priorities. Observability and Service Health • Ensure metrics, logs, traces, dashboards, and service-health measures provide effective detection and diagnosis of production issues. • Maintain actionable and appropriately routed alerting supported by effective response guidance. • Identify and address gaps in monitoring, diagnostic visibility, and alert quality. • Reduce unnecessary operational noise and continuously improve the ability of engineers to understand service health. Incident and Problem Management • Participate in incident response, troubleshooting, service restoration, and technical investigation. • Ensure incident classification, timelines, impact records, and required post-incident reviews meet agreed standards. • Identify recurring failure patterns and ensure they are translated into appropriate problem-management and remediation work. • Track corrective actions through implementation and verify that remediation addresses the underlying reliability issue. Resilience, Recovery, Capacity and Performance • Understand critical failure modes, dependencies, data-integrity risks, and infrastructure or platform risks affecting Logging services. • Ensure recovery objectives, disaster-recovery arrangements, and resilience testing provide evidence that services can recover effectively. • Assess demand, capacity, headroom, scaling constraints, and performance risks. • Partner with engineering teams to address identified resilience, scalability, and performance weaknesses. Automation and Toil Reduction • Identify and quantify repetitive operational work and recurring sources of manual effort. • Develop or drive automation, self-service capabilities, and engineering improvements that reduce operational toil. • Use measurable operational outcomes to demonstrate reductions in manual work and recurring support demand. • Maintain a continuous-improvement focus on reliability, supportability, and operational efficiency. Engineering and Change Partnership • Partner with product engineers on system design, implementation, testing, operational readiness, and maintainability. • Represent reliability requirements during design and production-readiness discussions. • Ensure production changes include appropriate observability, operational knowledge, and rollback guidance. • Use deployment health, operational experience, and change-failure trends to identify opportunities for engineering improvement. Reliability Planning and Prioritization • Represent reliability requirements during squad backlog refinement and prioritization. • Develop well-formed reliability work items supported by evidence, expected outcomes, and acceptance criteria. • Clearly articulate user impact, operational risk, urgency, cost of deferral, and trade offs associated with reliability work. • Work with delivery owners to refine scope, estimate effort, identify dependencies, and agree appropriate sequencing. • Follow reliability commitments through delivery and escalate material unresolved risks or repeatedly displaced reliability work through the appropriate leadership channels. Operational Readiness and Knowledge • Ensure engineers supporting Logging services have appropriate operational knowledge, access, escalation paths, runbooks, and handover arrangements. • Maintain technical and operational documentation necessary to operate and recover Logging services effectively. • Identify knowledge gaps and improve service resilience through documentation, pairing, reviews, and cross-training. • Reduce dependency on individual engineers by developing broader operational capability across the team. Technical Leadership and Coaching • Provide technical leadership for SRE practices within the Logging squad. • Coach engineers on SRE principles, observability, incident learning, reliability engineering, and operational excellence. • Advocate for reliability and operability throughout engineering and product-delivery discussions. • Work collaboratively with engineering, product, operational, and SRE stakeholders to drive sustainable reliability improvements. Required Qualifications and Experience
- Significant experience in Site Reliability Engineering, production engineering, systems engineering, platform engineering, or a related infrastructure reliability discipline. • Strong Linux troubleshooting and systems-analysis skills. • Experience supporting complex distributed applications or platform services in production environments. • Experience with Kubernetes/OpenShift or comparable container platforms. • Programming or automation experience using Python, Go, or comparable languages. • Strong understanding of observability engineering, including monitoring, logging, tracing, dashboards, and alerting. • Experience defining or operating SLIs, SLOs, and reliability measures. • Experience with incident response, technical troubleshooting, root-cause analysis, and problem management. • Strong analytical and problem-solving abilities. • Ability to communicate technical and operational risks clearly and influence engineering priorities. • Strong collaboration, technical judgment, coaching, and communication skills. Logging Domain Experience The role requires or benefits from relevant experience in the technologies and engineering patterns associated with large-scale Logging platforms, including: • Logging pipeline design and operation. • Loki, structured logging, or comparable distributed logging technologies. • Object storage supporting high-volume observability workloads. • Kubernetes/OpenShift-based services. • Linux systems engineering. • Python or Go. • Alerting and service-health monitoring. • Incident triage and troubleshooting of distributed production systems. Operating Expectations The position is a hands-on engineering and technical leadership role. SRE responsibilities are the role's primary commitment. Broader software or platform engineering contributions are encouraged where they complement, rather than displace, the reliability responsibilities of the role. The SRE Lead works closely with the Logging product squad and Fleet SRE Lead and provides technical and practice leadership for reliability. The role is not automatically responsible for line management of engineers contributing to reliability work. Success in the Role Success will be demonstrated through measurable improvements in the reliability and effectiveness of the Logging SRE practice, including: • Service health, user impact, and material reliability risks are understood through meaningful measures. • Reliability improvements are delivered with identifiable operational benefit. • Recurring failures, recovery weaknesses, alert noise, and repetitive manual work are reduced. • SLOs, incident learning, operational readiness, and the reliability backlog remain actively maintained and used. • Logging services have stronger operational documentation, knowledge coverage, and recovery capability. • Engineers across the squad develop greater capability to understand, operate, troubleshoot, and improve the reliability of their services.
WHAT YOU CAN EXPECT FROM MORGAN STANLEY:
At Morgan Stanley, we raise, manage and allocate capital for our clients – helping them reach their goals. We do it in a way that’s differentiated – and we’ve done that for 90 years. Our values - putting clients first, doing the right thing, leading with exceptional ideas, committing to diversity and inclusion, and giving back - aren’t just beliefs, they guide the decisions we make every day to do what's best for our clients, communities and more than 80,000 employees in 1,200 offices across 42 countries. At Morgan Stanley, you’ll find an opportunity to work alongside the best and the brightest, in an environment where you are supported and empowered. Our teams are relentless collaborators and creative thinkers, fueled by their diverse backgrounds and experiences. We are proud to support our employees and their families at every point along their work-life journey, offering some of the most attractive and comprehensive employee benefits and perks in the industry. There’s also ample opportunity to move about the business for those who show passion and grit in their work.
To learn more about our offices across the globe, please copy and paste https://www.morganstanley.com/about-us/global-offices into your browser.
Morgan Stanley is an equal opportunity employer committed to building and maintaining a workforce that is diverse in experience and background. Our recruiting efforts reflect our strong commitment to a culture of inclusion, where individuals are hired, developed, and advanced based on their skills and talents.
Our workforce reflects a broad cross-section of the global communities in which we operate, bringing a variety of backgrounds, talents, perspectives, and experiences.
For more information, please visit: https://www.morganstanley.com/people-opportunities/eeo.
Consultant Conversion - Director, Infra Prod Mgmt & RE IIIIngénieur principal SRE
Organisation : Observabilité
Objectif du posteL’ingénieur principal SRE est responsable de la fiabilité, de la capacité de récupération, de l’efficacité opérationnelle et de l’amélioration continue des services relevant de l’escouade produit de journalisation.
Il s’agit d’un rôle de leadership technique pratique combinant l’ingénierie de fiabilité des sites (Site Reliability Engineering), l’observabilité, l’automatisation, la gestion des incidents et des problèmes, l’ingénierie de résilience ainsi que l’excellence opérationnelle. Le titulaire est responsable de mettre en œuvre, gérer et faire évoluer les pratiques SRE de l’escouade de journalisation, d’identifier les lacunes en matière de fiabilité et de les convertir en travaux d’ingénierie concrets générant des résultats mesurables.
La responsabilité de la fiabilité est partagée à l’échelle de l’escouade produit. L’ingénieur principal SRE assure le leadership technique et méthodologique, veille à ce que les exigences de fiabilité soient bien comprises, priorisées et exécutées, tout en collaborant étroitement avec les équipes d’ingénierie produit et le responsable SRE de la flotte. Ce rôle n’inclut pas automatiquement des responsabilités de gestion du personnel.
Principales responsabilitésIngénierie de la fiabilitéÉtablir et améliorer continuellement la fiabilité et l’efficacité opérationnelle des services de journalisation.
Définir et maintenir des indicateurs de niveau de service (SLI), des objectifs de niveau de service (SLO) et des pratiques de gestion du budget d’erreurs pertinents.
Identifier les risques liés à la fiabilité, les dépendances de service, les modes de défaillance, les limites d’évolutivité et les faiblesses opérationnelles.
Transformer les lacunes identifiées en initiatives d’ingénierie priorisées, assorties de résultats attendus et de critères d’acceptation clairs.
Utiliser les indicateurs de fiabilité et les données opérationnelles pour guider les priorités d’amélioration.
Observabilité et santé des servicesVeiller à ce que les métriques, journaux, traces, tableaux de bord et indicateurs de santé des services permettent une détection et un diagnostic efficaces des incidents en production.
Maintenir des mécanismes d’alerte pertinents, correctement acheminés et soutenus par des procédures d’intervention efficaces.
Identifier et corriger les lacunes liées à la surveillance, à la visibilité diagnostique et à la qualité des alertes.
Réduire le bruit opérationnel inutile et améliorer continuellement la capacité des ingénieurs à comprendre l’état de santé des services.
Gestion des incidents et des problèmesParticiper à la réponse aux incidents, au dépannage, à la restauration des services et aux enquêtes techniques.
Veiller à ce que la classification des incidents, les chronologies, les analyses d’impact et les revues postincident respectent les normes établies.
Identifier les schémas récurrents de défaillance et s’assurer qu’ils donnent lieu à des activités appropriées de gestion des problèmes et de remédiation.
Assurer le suivi des actions correctives jusqu’à leur mise en œuvre et vérifier que les correctifs adressent la cause fondamentale des problèmes de fiabilité.
Résilience, récupération, capacité et performanceComprendre les principaux modes de défaillance, les dépendances critiques, les risques liés à l’intégrité des données ainsi que les risques d’infrastructure et de plateforme affectant les services de journalisation.
Veiller à ce que les objectifs de reprise, les plans de reprise après sinistre et les tests de résilience démontrent la capacité des services à être rétablis efficacement.
Évaluer la demande, la capacité disponible, les marges opérationnelles, les contraintes de mise à l’échelle et les risques de performance.
Collaborer avec les équipes d’ingénierie afin de corriger les faiblesses identifiées en matière de résilience, d’évolutivité et de performance.
Automatisation et réduction du travail opérationnel manuelIdentifier et quantifier les tâches opérationnelles répétitives ainsi que les sources récurrentes d’efforts manuels.
Développer ou promouvoir des solutions d’automatisation, des capacités libre-service et des améliorations d’ingénierie réduisant le travail manuel répétitif.
Utiliser des indicateurs opérationnels mesurables pour démontrer les réductions du travail manuel et du volume de soutien récurrent.
Maintenir une approche d’amélioration continue axée sur la fiabilité, la facilité de support et l’efficacité opérationnelle.
Partenariat avec les équipes d’ingénierie et de changementCollaborer avec les ingénieurs produit sur la conception des systèmes, l’implantation, les essais, la préparation opérationnelle et la maintenabilité.
Représenter les exigences de fiabilité lors des discussions entourant la conception et la mise en production.
Veiller à ce que les changements déployés en production comprennent les éléments appropriés d’observabilité, de documentation opérationnelle et de marche arrière.
Utiliser les données sur la santé des déploiements, l’expérience opérationnelle et les tendances liées aux échecs de changement pour identifier des occasions d’amélioration.
Planification et priorisation de la fiabilitéReprésenter les exigences de fiabilité lors des activités de raffinement et de priorisation du carnet de produit de l’escouade.
Élaborer des initiatives de fiabilité bien définies, appuyées par des données probantes, des résultats attendus et des critères d’acceptation.
Expliquer clairement l’impact sur les utilisateurs, les risques opérationnels, l’urgence, le coût du report ainsi que les compromis associés aux travaux de fiabilité.
Collaborer avec les responsables de livraison pour préciser la portée, estimer les efforts, déterminer les dépendances et convenir des séquences de réalisation.
Assurer le suivi des engagements liés à la fiabilité jusqu’à leur livraison et signaler les risques importants non résolus ou les travaux de fiabilité constamment repoussés aux niveaux appropriés de leadership.
Préparation opérationnelle et gestion des connaissancesVeiller à ce que les ingénieurs responsables des services de journalisation disposent des connaissances opérationnelles, accès, chemins d’escalade, guides d’exploitation et mécanismes de transfert nécessaires.
Maintenir la documentation technique et opérationnelle requise pour exploiter et restaurer efficacement les services de journalisation.
Identifier les lacunes de connaissances et améliorer la résilience des services par la documentation, le mentorat, les revues et le développement polyvalent des compétences.
Réduire la dépendance envers certains individus en développant les capacités opérationnelles de l’ensemble de l’équipe.
Leadership technique et mentoratFournir un leadership technique concernant les pratiques SRE au sein de l’escouade de journalisation.
Encadrer les ingénieurs sur les principes SRE, l’observabilité, l’apprentissage à la suite d’incidents, l’ingénierie de la fiabilité et l’excellence opérationnelle.
Promouvoir les principes de fiabilité et d’exploitabilité dans l’ensemble des discussions d’ingénierie et de livraison de produits.
Collaborer étroitement avec les parties prenantes de l’ingénierie, des produits, des opérations et du SRE afin de favoriser des améliorations durables de la fiabilité.
Qualifications et expérience requisesExpérience significative en ingénierie de fiabilité des sites (SRE), ingénierie de production, ingénierie de systèmes, ingénierie de plateformes ou dans une discipline connexe liée à la fiabilité des infrastructures.
Solides compétences en dépannage Linux et en analyse de systèmes.
Expérience dans le soutien d’applications distribuées complexes ou de services de plateforme en environnement de production.
Expérience avec Kubernetes, OpenShift ou des plateformes de conteneurisation comparables.
Expérience en programmation ou en automatisation avec Python, Go ou des langages comparables.
Excellente compréhension de l’ingénierie de l’observabilité, incluant la surveillance, la journalisation, le traçage, les tableaux de bord et les alertes.
Expérience dans la définition ou l’exploitation des SLI, SLO et autres indicateurs de fiabilité.
Expérience en gestion des incidents, dépannage technique, analyse des causes fondamentales et gestion des problèmes.
Excellentes capacités d’analyse et de résolution de problèmes.
Capacité à communiquer clairement les risques techniques et opérationnels et à influencer les priorités d’ingénierie.
Excellentes aptitudes en collaboration, jugement technique, mentorat et communication.
Expérience dans le domaine de la journalisationLe poste exige ou valorise une expérience pertinente des technologies et modèles d’ingénierie associés aux plateformes de journalisation à grande échelle, notamment :
Conception et exploitation de pipelines de journalisation.
Loki, journalisation structurée ou technologies distribuées comparables.
Stockage objet soutenant des charges de travail d’observabilité à fort volume.
Services basés sur Kubernetes ou OpenShift.
Ingénierie des systèmes Linux.
Python ou Go.
Surveillance de la santé des services et gestion des alertes.
Triage des incidents et dépannage de systèmes distribués en production.
Attentes du posteCe poste est un rôle pratique combinant l’ingénierie et le leadership technique. Les responsabilités SRE constituent la priorité principale du rôle. Les contributions plus larges en développement logiciel ou en ingénierie de plateformes sont encouragées lorsqu’elles complètent, plutôt que remplacent, les responsabilités liées à la fiabilité.
L’ingénieur principal SRE travaille en étroite collaboration avec l’escouade produit de journalisation et le responsable SRE de la flotte, tout en fournissant un leadership technique et méthodologique en matière de fiabilité. Ce rôle n’inclut pas automatiquement la gestion hiérarchique des ingénieurs contribuant aux initiatives de fiabilité.
Mesure du succès dans le rôleLe succès sera démontré par des améliorations mesurables de la fiabilité et de l’efficacité des pratiques SRE de l’équipe de journalisation, notamment :
La santé des services, l’impact sur les utilisateurs et les principaux risques de fiabilité sont bien compris grâce à des indicateurs pertinents.
Les améliorations en matière de fiabilité génèrent des bénéfices opérationnels clairement identifiables.
Les défaillances récurrentes, les faiblesses de reprise, le bruit provenant des alertes et les tâches manuelles répétitives sont réduits.
Les SLO, les apprentissages issus des incidents, la préparation opérationnelle et le carnet de travaux de fiabilité sont activement maintenus et utilisés.
Les services de journalisation disposent d’une meilleure documentation opérationnelle, d’une couverture accrue des connaissances et de capacités de récupération renforcées.
Les ingénieurs de l’escouade développent une plus grande capacité à comprendre, exploiter, dépanner et améliorer la fiabilité de leurs services.
CE QUE VOUS POUVEZ ATTENDRE DE MORGAN STANLEY:
Chez Morgan Stanley, nous levons, gérons et allouons des capitaux pour nos clients, afin de les aider à atteindre leurs objectifs. Nous le faisons d'une manière qui nous distingue des autres – et cela fait 90 ans que nous procédons ainsi. Nos valeurs – donner la priorité à nos clients, agir de manière intègre, innover grâce à des idées exceptionnelles, s’engager en faveur de la diversité et de l’inclusion, et s’investir dans la société – ne sont pas de simples convictions : elles guident les décisions que nous prenons chaque jour afin d’agir dans l’intérêt de nos clients, de nos communautés et de nos plus de 80 000 collaborateurs répartis dans 1 200 bureaux à travers 42 pays. Chez Morgan Stanley, vous aurez l'occasion de travailler aux côtés des meilleurs et des plus brillants, dans un environnement où vous bénéficierez d'un soutien et d'une grande autonomie. Nos équipes sont composées de collaborateurs infatigables et d'esprits créatifs, qui puisent leur inspiration dans la diversité de leurs parcours et de leurs expériences. Nous sommes fiers d'accompagner nos collaborateurs et leurs familles à chaque étape de leur parcours professionnel, en leur proposant des avantages sociaux et des avantages complémentaires parmi les plus attractifs et les plus complets du secteur. Il existe également de nombreuses possibilités d'évolution au sein de l'entreprise pour ceux qui font preuve de passion et de détermination dans leur travail.
Pour en savoir plus sur nos bureaux à travers le monde, veuillez copier-coller l'adresse https://www.morganstanley.com/about-us/global-offices dans votre navigateur.
Morgan Stanley est un employeur garantissant l'égalité des chances, qui s'engage à constituer et à maintenir un effectif diversifié en termes d'expérience et d'origine. Nos efforts en matière de recrutement témoignent de notre engagement fort en faveur d'une culture d'inclusion, dans laquelle les personnes sont recrutées, formées et promues en fonction de leurs compétences et de leurs talents.
Notre personnel est le reflet d'un large éventail des communautés mondiales au sein desquelles nous exerçons nos activités, apportant ainsi une grande diversité de parcours, de talents, de points de vue et d'expériences.
Pour plus d'informations, rendez-vous sur: https://www.morganstanley.com/people-opportunities/eeo.
