site reliability engineer

Описания нет

• Проектировать, разрабатывать, внедрять и поддерживать SLO/SLI для всех сервисов;
• Участвовать в устранении инцидентов — в связке со смежными командами устранять сбои и предотвращать их повторение;
• Участвовать в заполнении и разборе постмортемов;
• Расследовать причины инцидентов (RCA);
• Разрабатывать и выполнять меры, направленные на предотвращение повторных инцидентов;
• Развивать мониторинг и алертинг — разработка, обогащение, настройка метрик, логов, трейсов, алертов, дашбордов, ранбуков (и их регулярный анализ/рефакторинг);
• Автоматизировать рутинную работу;
• Ревьюить и помогать дорабатывать DRP, участвовать в качестве координатора в DRT, поддерживать DRP в актуальном состоянии;
• Участвовать в разработке и оптимизации процессов, используемых в работе;
• Встраивать в процессы практики: observability by default, alerting as code, runbooks, SLO/SLA/SLI;
• Помогать командам строить отказоустойчивые сервисы: autoscaling, failover, chaos engineering;
• Обеспечивать внутреннюю экспертизу по стабильности, метрикам, инцидентам и error budgets.

• Экспертиза и практический опыт в SRE-практиках: глубокое понимание SLO/SLI, error budget, toil reduction, automation first и умение применять это практически для обеспечения надежности сервисов;
• Умение проводить code review для оценки готовности к выходу в production новых функций и сервисов с точки зрения надёжности, наблюдаемости и эффективности, понимание, как изменения в коде влияют на смежные системы и общую стабильность платформы;
• Понимание load balancing, circuit breakers, disaster recovery, MTTR, RTO;
• Экспертные знания в эксплуатации Linux, включая диагностику на уровне ядра (процессы, память, сеть);
• Опыт работы с Kubernetes и понимание его internal'ов для диагностики сложных проблем;
• Понимание, как работают сети и умение диагностировать проблемы в их работе;
• Практический опыт IaaC (Terraform/Ansible) и понимание принципов;
• Практический опыт построения CI/CD (Gitlab CI, Argo CD);
• Умение писать автоматизацию и скрипты на Python/Go;
• Опыт работы с системами мониторинга и логирования (Prometheus, Grafana, Loki, Tempo, ELK);
• Практический опыт в SRE роли;
• Будет плюсом знание, как сделать отказоустойчивый масштабируемый сервис, опыт написания и ревью технической документации, коммуникации с разработчиками и бизнесом (объяснение trade-offs между reliability и feature dev), системное мышление и умение анализировать сложные сценарии отказа, выявлять корневые причины, находить способы их устранения, практический опыт построения и внедрения quality gates в CI/CD процесс для управления рисками при развертывании, знание, как определять SLI для сервиса без исторических данных о надежности, как рассчитать композитные SLO для сервиса, зависящего от 10+ микросервисов, и опыт внедрения observability-as-code и alerting-as-code.

• Оформление в соответствии с трудовым законодательством РФ;
• Оклад + годовой бонус;
• Расширенный ДМС со стоматологией;
• Компенсация спорта;
• Штатный терапевт и психолог;
• Гибкий график работы, пятница — сокращенный рабочий день;
• Классный офис в Москве и коворкинги в разных городах России;
• Возможность работать удаленно на территории РФ (зависит от функционала и позиции);
• Полезные перекусы;
• Индивидуальный план развития и обучение за счет компании;
• Возможность вертикального и горизонтального роста;
• Возможность развиваться как эксперту: выступать на мероприятиях, писать статьи;
• Профессиональные сообщества и клубы по интересам;
• Неформальные мероприятия: от футбольного клуба до посиделок с пиццей;
• Материальная помощь при рождении детей и других семейных обстоятельствах;
• Бонусы за рекомендации кандидатов на открытые вакансии;
• Бонусные программы от компаний партнеров.