Главный SRE-инженер

Обязанности:
-Развитие SRE-направления, включая внедрение практик надежности, формирование стандартов эксплуатации и участие в разработке архитектурных решений
-Настройка и сопровождение контейнерной платформы на базе Docker и Kubernetes
-Разработка и сопровождение инфраструктуры как кода с использованием Terraform, Ansible и Helm
-Построение и развитие CI/CD-процессов на базе GitLab CI
-Организация и развитие систем мониторинга и логирования на базе VictoriaMetrics, Grafana и ELK, разработка кастомных экспортеров
-Участие в расследовании инцидентов, проведение postmortem-анализов и снижение MTTR
-Оптимизация процессов реагирования на инциденты и предотвращение повторных сбоев
-Внедрение и контроль SLO, управление Error Budget, разработка дашбордов надежности и проведение регулярных Reliability Review
-Оптимизация инфраструктуры по производительности и стоимости, включая capacity planning, анализ узких мест и cost optimization в облаке.
-Обеспечение стабильности, отказоустойчивости и масштабируемости продуктивных систе
-Настройка процессов резервного копирования, восстановления и реализации планов аварийного восстановления (Disaster Recovery)
-Внедрение практик тестирования устойчивости к сбоям (Chaos Engineering)
-Автоматизация рутинных операций и реализация механизмов самовосстановления (self-healing)
-Участие в архитектурных обсуждениях и выборе технологических решений

Требования:
-Опыт работы в роли Site Reliability Engineer (SRE) не менее 5 лет
-Глубокие практические знания Linux, включая эксплуатацию, диагностику, тюнинг и анализ узких мест
-Уверенное понимание принципов контейнеризации и оркестрации, включая использование Docker и Kubernetes
-Опыт эксплуатации и оптимизации PostgreSQL, MongoDB и Kafka в продуктивных средах
-Глубокое понимание архитектурных принципов высокой доступности и отказоустойчивости распределённых систем
-Опыт построения и поддержки процессов CI/CD, предпочтительно на базе GitLab CI
-Навыки организации системы мониторинга и логирования с использованием Prometheus, VictoriaMetrics, Grafana, ELK/Logstash
-Опыт применения подходов Infrastructure as Code и работы с инструментами Terraform, Ansible, Helm
-Знание и понимание концепций Observability, SRE и Performance Tuning
-Опыт работы с Yandex Cloud, а также другими облачными платформами или on-prem инфраструктурами
-Опыт эксплуатации высоконагруженных систем с высокими требованиями к доступности и производительности
-Опыт участия в дежурствах и реагировании на инциденты в продуктивных системах
-Развитые навыки анализа и устранения инцидентов, включая определение и устранение первопричин

Условия:
-Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
-Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде
-Гибридный формат работы в уютном ИТ-хабе в Москве
-Сложные и интересные задачи, современный стек технологий
-Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
-Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
-Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
-Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий