sre engineer

Описания нет

• Определять ключевые индикаторы уровня обслуживания для GPU-решений;
• Формировать целевые уровни обслуживания совместно с заказчиками и владельцем продукта;
• Мониторить соблюдение уровней обслуживания и готовить отчёты по отклонениям;
• Анализировать стоимость ошибок и принимать решения о допустимости рискованных изменений;
• Проектировать и настраивать системы сбора метрик, логов и трейсов;
• Разрабатывать процедуры плавного снижения нагрузки, отказоустойчивости и автоматического восстановления;
• Настраивать алертинг по критическим событиям и деградациям производительности;
• Интегрировать системы наблюдаемости с процессами управления инцидентами;
• Анализировать риски отказов и критических зависимостей в архитектуре GPU-стека;
• Участвовать в анализе инцидентов после их устранения и формировать список мер по предотвращению повторений;
• Собирать и анализировать данные о потреблении ресурсов в пилотах и промышленных инсталляциях;
• Готовить рекомендации по размерности кластеров и конфигурации для различных сценариев использования;
• Формировать требования к железу и сети для новых площадок;
• Определять критерии готовности релиза с точки зрения производительности и надёжности;
• Участвовать в пилотных проектах для сбора метрик реального использования;
• Готовить отчёты по производительности и стабильности по итогам пилотов.

• Высшее образование в области компьютерных наук, физики, инженерии или смежных дисциплин;
• Опыт работы в SRE, performance engineering или эксплуатации критичных систем от 4 лет;
• Практический навык работы с принципами SRE: SLI/SLO/SLA, бюджетом ошибок и управлением инцидентами;
• Опыт работы с системами мониторинга и наблюдаемости: Prometheus, Grafana, ELK/Loki, Jaeger/Tempo;
• Опыт проведения нагрузочного тестирования, включая методы, инструменты и интерпретацию результатов;
• Понимание архитектуры GPU и метрик производительности: утилизация, пропускная способность памяти, пропускная способность PCIe, тепловой троттлинг;
• Опыт настройки производительности Linux, параметров ядра и сетевой оптимизации;
• Опыт планирования мощностей, прогнозирования ресурсов и анализа трендов;
• Готовность работать на территории РФ;
• Будет плюсом понимание требований по лицензированию ПО и работе с проприетарными драйверами.

• Работа в аккредитованной IT-компании.