SRE-инженер (инженер-разработчик по надёжности и эксплуатации)

2ГИС — технологическая компания и часть экосистемы Сбера. Её сервисами ежедневно пользуются миллионы людей. Компания создаёт выделенную SRE-команду — центр экспертизы по надёжности сервисов, который помогает перейти от реагирования на инциденты к системному управлению доступностью, снизить операционные риски и сделать разработку более предсказуемой.

• Развивать единый процесс управления инцидентами
• Формировать культуру разборов postmortem без поиска виноватых
• Контролировать выполнение задач по предотвращению повторных сбоев
• Улучшать матрицу эскалаций и устранять неоднозначности в процессе реагирования
• Стандартизировать внедрение OpenTelemetry для трассировок, метрик и логов
• Участвовать в создании единой платформы мониторинга и визуализации
• Разрабатывать стандарты логирования
• Контролировать объём и качество данных в системах телеметрии
• Проводить аудит алертов и снижать число ложных срабатываний
• Формировать принципы приоритизации алертов с учётом критичности сервисов
• Помогать командам настраивать полезные, своевременные и понятные уведомления
• Участвовать в классификации сервисов по уровням критичности: MC, BC, BO, OP
• Помогать командам определять и внедрять SLO/SLA
• Создавать дашборды для контроля Error Budget
• Разрабатывать и поддерживать инструкции, сокращающие время восстановления сервисов
• Консультировать продуктовые команды по стабильности и надёжности
• Формировать требования к развитию платформы дежурств и интеллектуальной эскалации
• Внедрять практики безопасных релизов: canary deployment, автоматический откат изменений и другие подходы к снижению рисков

• Опыт работы в SRE или DevOps от 3 лет
• Понимание принципов SRE: SLO, SLA, Error Budget, управления инцидентами и наблюдаемости
• Практический опыт работы с системами мониторинга и алертинга, например Prometheus и Grafana
• Опыт работы с OpenTelemetry или аналогичными инструментами
• Навыки автоматизации процессов на Python, Go, Bash или другом языке
• Понимание принципов работы дежурств и систем управления инцидентами
• Умение анализировать метрики производительности, находить первопричины сбоев и предлагать устойчивые решения
• Знакомство с CI/CD, Kubernetes и контейнеризацией
• Будет плюсом: опыт внедрения SRE-практик с нуля или их масштабирования, проведения семинаров, обучения или наставничества продуктовых команд по вопросам надёжности

• ИТ-аккредитация
• Возможность стать одним из первых участников нового стратегического направления и влиять на его развитие
• Масштабные технические задачи по обеспечению стабильности сервисов, которыми пользуются миллионы людей
• Возможность влиять на процессы и сделать реагирование на инциденты и релизы более предсказуемыми
• Возможность участвовать в выборе подходов, стандартов и инструментов
• Удалённая работа по РФ или гибрид в Новосибирске, Москве и Санкт-Петербурге