Site Reliability Engineer (SRE)
EMS Production & Observability
Job Description
Role Overview
We are looking for an experienced Site Reliability Engineer (SRE) to support the reliability, availability, performance, and operational readiness of EMS production services.
The engineer will be responsible for production support and incident resolution, enhancing ELF, building actionable operational dashboards, improving monitoring and alerting, automating repetitive operational activities, and proactively preparing the platform for high-volume/high-visibility events such as the US Open 2026.
This role requires someone who can move beyond reactive production support and use observability, automation, capacity planning, trend analysis, and engineering improvements to identify and address reliability risks before they become customer-impacting incidents.
Key Responsibilities
Production Reliability & Incident Management
Own and support EMS production incidents, including investigation, triage, mitigation, recovery, and root-cause analysis.
Participate in production support/on-call rotations and provide timely response to critical incidents.
Troubleshoot application, infrastructure, API, integration, latency, capacity, and availability issues across the EMS ecosystem.
Drive incidents through resolution by collaborating with application engineering, infrastructure, platform, networking, database, and dependent service teams.
Conduct Root Cause Analysis (RCA) for significant incidents and ensure corrective/preventive actions are implemented.
Identify recurring production problems and convert operational fixes into permanent engineering solutions.
Observability, Monitoring & Dashboards
Design and maintain real-time operational dashboards providing visibility into EMS health and customer-impacting conditions.
Define and monitor key SLIs/SLOs around availability, latency, throughput, errors, and service dependencies.
Build meaningful alerting based on customer/service impact rather than relying solely on infrastructure thresholds.
Correlate application logs, metrics, events, and infrastructure telemetry to accelerate issue detection and troubleshooting.
Develop dashboards for transaction/request volume, success and failure rates, response time and latency, API/service availability, infrastructure and application health, dependency health, error trends and top failure reasons, capacity/utilization, and event-specific traffic and performance.
Continuously tune alerts to reduce noise and improve signal-to-noise ratio and Mean Time to Detect (MTTD).
ELF Enhancement & Automation
Enhance ELF capabilities to improve production monitoring, operational efficiency, troubleshooting, and reliability.
Identify manual production-support activities and automate them using scripting, APIs, CI/CD, or appropriate platform capabilities.
Build automated health checks, diagnostics, remediation, and operational reporting.
Develop reusable operational tools and runbooks that enable faster diagnosis and recovery.
Work with engineering teams to incorporate reliability and observability requirements into new releases.
Major Event Readiness
Lead proactive reliability planning for major business events such as US Open 2026 and other anticipated high-volume periods.
Analyze historical and projected traffic patterns to identify potential capacity or performance bottlenecks.
Establish event-specific dashboards, alerts, and operational thresholds.
Perform capacity planning, load/performance validation, and dependency readiness assessments.
Identify critical failure scenarios and develop mitigation and recovery plans before the event.
Conduct pre-event readiness reviews, failure simulations/game days, and operational rehearsals.
Establish clear event-day monitoring, escalation paths, communication channels, and incident-response procedures.
Produce post-event analysis covering performance, incidents, trends, and opportunities for improvement.
Reliability Engineering
The SRE will help establish and continuously improve engineering practices including SLIs, SLOs and error budgets; availability and latency measurement; capacity and performance management; automated remediation; incident management and postmortems; operational readiness reviews; dependency monitoring; resilience testing; and disaster/recovery preparedness.
A key expectation is to use production data to answer questions such as: What can fail? How will we detect it? How quickly can we isolate it? What is the customer impact? Can we automatically recover? How do we prevent it from recurring?
Required Qualifications
Strong experience in Site Reliability Engineering, Production Engineering, DevOps, or Production Support for enterprise-scale applications.
Strong hands-on production troubleshooting and incident-management experience.
Experience building production monitoring, alerting, and observability dashboards.
Strong understanding of application and infrastructure metrics, logs, distributed services, and API monitoring.
Experience with cloud infrastructure and containerized environments.
Knowledge of Kubernetes, CI/CD, Infrastructure as Code, and automation.
Scripting/programming experience with Python, Bash, PowerShell, or equivalent.
Understanding of networking concepts including DNS, load balancing, firewalls, routing, and connectivity troubleshooting.
Experience performing RCA and driving preventive engineering actions.
Ability to analyze traffic, latency, errors, and capacity trends and translate findings into engineering improvements.
Strong communication skills and ability to coordinate effectively during high-severity production incidents.
Preferred Qualifications
Experience with Azure, AKS/Kubernetes, Terraform, GitHub Actions, Grafana/Prometheus, Splunk or equivalent observability platforms, Application Performance Monitoring (APM), synthetic monitoring, automated remediation, chaos/game-day testing, and high-volume event readiness would be valuable.
Experience supporting highly available, customer-facing platforms where reliability during major events and peak traffic periods is critical is strongly preferred.
ข่าวประชาสัมพันธ์แบบสำเร็จรูปของ Cognizant
Cognizant(NASDAQ: CTSH) คือผู้สร้าง AI และผู้ให้บริการด้านเทคโนโลยี ซึ่งเชื่อมช่องว่างระหว่างการลงทุนใน AI และมูลค่าขององค์กรด้วยการสร้างโซลูชัน AI แบบครบวงจรให้แก่ไคลเอนต์ของเรา ความเชี่ยวชาญเชิงลึกด้านอุตสาหกรรม กระบวนการ และวิศวกรรมของเรา ช่วยให้เราผสานบริบทเฉพาะขององค์กรเข้ากับระบบเทคโนโลยีเพื่อเพิ่มศักยภาพมนุษย์ สร้างผลลัพธ์ที่จับต้องได้ และช่วยให้องค์กรระดับโลกก้าวนำหน้าอยู่เสมอในโลกที่เปลี่ยนแปลงไป ดูวิธีดำเนินการได้ที่ cognizant.ai หรือ @cognizant
ข้อมูลการจ้างงานเพิ่มเติม
ข้อมูลเกี่ยวกับค่าตอบแทนมีความถูกต้อง ณ วันที่ประกาศรับสมัครงานนี้ Cognizant ขอสงวนสิทธิ์ในการแก้ไขข้อมูลดังกล่าวได้ตลอดเวลา ภายใต้กฎหมายที่เกี่ยวข้อง
ผู้สมัครอาจถูกขอให้เข้ารับการสัมภาษณ์แบบพบตัวต่อตัวหรือผ่านการประชุมทางวิดีโอ นอกจากนี้ ผู้สมัครอาจถูกขอให้นำเอกสารประจำตัวที่ออกโดยหน่วยงานของรัฐ หรือบัตรประจำตัวที่ออกโดยรัฐบาลซึ่งยังมีผลบังคับใช้ มาแสดงในระหว่างการสัมภาษณ์แต่ละครั้ง
Cognizant เป็นนายจ้างที่ให้โอกาสอย่างเท่าเทียม การสมัครและการพิจารณาคุณสมบัติของคุณจะไม่ถูกตัดสินจากเชื้อชาติ สีผิว เพศ ศาสนา ความเชื่อ รสนิยมทางเพศ อัตลักษณ์ทางเพศ สัญชาติ ความพิการ ข้อมูลทางพันธุกรรม การตั้งครรภ์ สถานะทหารผ่านศึก หรือคุณลักษณะอื่นใดที่ได้รับการคุ้มครองตามกฎหมายของรัฐบาลกลาง รัฐ หรือท้องถิ่น
