Site reliability engineer for a mobile app

Klyp — единая платформа для создания и просмотра AI‑сериалов: авторы создают сериалы с помощью генеративного AI, а зрители их смотрят. Платформа работает под нагрузкой, с асинхронными процессами и большими объёмами данных и рассчитана на глобальный рынок. Ищем SRE-инженера в Klyp App — мобильное приложение платформы для iOS и Android, в котором зрители смотрят сериалы. Твоя зона ответственности — чтобы видео запускалось быстро и без ошибок, опубликованные сериалы вовремя появлялись в приложении, оплаченный доступ открывался сразу, а проблемы зрителей разбирались до первопричины.

• Ежедневная эксплуатация через административные инструменты: внутреннее DevOps-приложение, админ-панель, Grafana, Loki, ArgoCD, консоль AWS
• Следить за доступностью и качеством просмотра: ошибки воспроизведения, время старта видео, буферизация, ответы CDN, отказы API приложения
• Поддерживать доставку видео: CloudFront, подписанные ссылки на HLS, кеширование, поведение под пиковой нагрузкой
• Контролировать путь контента до зрителя: транскодинг эпизодов в HLS, языковые дорожки (субтитры и дубляж), события публикации в Kafka и их попадание в каталог; находить, где застрял сериал, который не появился в приложении
• Разбирать обращения поддержки: найти зрителя, проверить его подписку и доступ к платному контенту, прогресс просмотра и запросы к API, понять, где сломалось, и исправить или передать команде с готовым диагнозом
• Сопровождать покупки в приложении: серверные уведомления App Store и Google Play, сверка статусов подписок, разбор случаев «оплатил, а доступ не открылся»
• Следить за входом и аккаунтами зрителей: Cognito, вход через Apple и Google, гостевые сессии
• Мониторинг и алерты: реагировать на инциденты, доводить их до первопричины, убирать шумные алерты; отслеживать всплески падений приложения после релизов
• Готовить систему к пикам нагрузки (премьеры сериалов, маркетинговые кампании): масштабирование, кеши, нагрузка на базу
• Выкатывать и откатывать сервисы по GitOps-процессу, контролировать версии между сервисами и совместимость с версиями мобильного приложения
• Бэкапы и восстановление: регулярно проверять, что они реально работают, проводить учения
• Доступы, ротация секретов и токенов (включая ключи подписи CDN), VPN

• От 2 лет опыта эксплуатации продакшна: SRE, DevOps или сильная техподдержка 2-й/3-й линии
• Уверенные Linux, SQL (PostgreSQL) и kubectl; умение читать логи и метрики
• Kubernetes на уровне диагностики: поды, логи, ресурсы, рестарты и OOM, переменные окружения, раскатки
• Понимание доставки контента: HTTP, CDN, кеширование, подписанные ссылки
• Понимание микросервисной архитектуры и асинхронного взаимодействия через Kafka и очереди
• Базовое понимание Terraform и CI/CD (GitLab CI): читать и вносить небольшие правки
• Аккуратность с продом: сначала проверить, потом менять, и всегда оставлять план отката
• Не боишься продакшна и ответственности
• Доводишь проблему до первопричины, а не до «вроде заработало»
• Умеешь разобраться в сложной системе без полного контекста
• Смотришь на сбой глазами зрителя: что он увидел и сколько это длилось
• Умеешь задавать правильные вопросы и понятно описывать диагноз для команды
• Будет плюсом: Опыт эксплуатации видео- или стриминговых сервисов: HLS, транскодинг, метрики качества просмотра (QoE); Опыт с CloudFront или другими CDN: подпись ссылок, edge-функции, инвалидация кеша; Опыт с in-app подписками и серверными уведомлениями App Store / Google Play; Опыт с Kafka и CDC; Python или bash для скриптов; Умение использовать AI‑инструменты в работе (анализ логов, разбор инцидентов, скрипты и т.п.)

• Инциденты разбираются до первопричины, а не закрываются рестартом
• Изменения в проде — через GitOps и ревью, с планом отката
• Решения обсуждаются, но не затягиваются
• Подробная документация по сервисам: спецификации, модели данных, события
• График 5/2, рабочий день 9 часов по московскому времени
• Видеостриминг с реальной нагрузкой: CDN, HLS, пики на премьерах
• Весь путь контента — от транскодинга до экрана зрителя — в зоне твоего влияния
• Современный стек: Kubernetes, GitOps, Kafka, CDC, AWS
• Минимум бюрократии
• Прямое влияние на продукт и опыт зрителей