Эксперт по надежности в высоконагруженных сервисах

Описания нет

• проектировать, строить и эксплуатировать масштабируемую и отказоустойчивую инфраструктуру на Kubernetes
• определять и отслеживать SLI/SLO/SLA, внедрять политику бюджета ошибок и регулярные ревью надежности
• развивать наблюдаемость: метрики, логи, трейсинг, алертинг (VictoriaMetrics, Grafana, OpenTelemetry и др.)
• автоматизировать операционную работу — инфраструктура как код (Terraform, Ansible), конвейеры непрерывной интеграции и доставки, самовосстанавливающиеся системы
• участвовать в реагировании на инциденты, проводить разборы после инцидентов и разрабатывать инструкции по устранению, участвовать в дежурствах
• заниматься планированием мощностей и оптимизацией производительности высоконагруженных сервисов
• совместно с продуктовыми и платформенными командами прорабатывать архитектуру, паттерны отказоустойчивости и безопасность релизов, выстраивать наблюдаемость сквозных пользовательских сценариев
• улучшать процессы деплоя: канареечные релизы, флаги функций, постепенные раскатки, chaos engineering

• опыт SRE-практик на клиентских сервисах — участие в дежурствах и реагировании на инциденты на продуктивных нагрузках с прямым влиянием на пользователей, работа с SLI/SLO и бюджетом ошибок для внешних клиентов (не внутренняя инфраструктура и не инструменты поддержки для сотрудников)
• уверенное знание Linux и сетей (TCP/IP, DNS, HTTP, балансировка нагрузки)
• практический опыт с Kubernetes и контейнеризированными нагрузками
• понимание инструментов мониторинга и наблюдаемости, а также процесса управления инцидентами
• понимание распределенных систем: сценарии отказов, консистентность, компромиссы при проектировании
• Будет плюсом: опыт работы с высоконагруженным продуктивным Java-стеком: диагностика JVM под нагрузкой, тюнинг производительности, разбор инцидентов на Java-сервисах; понимание хотя бы одного языка программирования (Python, Go или аналоги); опыт с service mesh, очередями сообщений (Kafka, RabbitMQ) и базами данных под нагрузкой; опыт в chaos engineering; осознанный подход к безопасности: управление секретами, zero-trust сеть; опыт построения платформ для других инженерных команд

• официальное трудоустройство с первого дня работы
• стабильный и прозрачный доход (размер заработной платы обсуждается по результатам собеседования)
• карьерный рост: прозрачная система грейдов, система наставничества, обучение, чтобы поделиться с тобой экспертизой
• заботу о твоем здоровье: подключение ДМС после испытательного срока
• материальную помощь в различных жизненных ситуациях
• формат работы — удаленно или гибрид