Site Reliability Engineer (SRE) in Klyp 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.

Наша миссия — объединить авторов и зрителей, предоставив авторам лучший инструмент для генерации видео, а зрителям — максимально релевантные рекомендации.

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.

Чем предстоит заниматься

• 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

Технический стек

• AWS (EKS, Aurora PostgreSQL, MSK/Kafka, SQS, Cognito, S3, CloudFront, MediaConvert)

• Redis, ClickHouse

• Микросервисы на Kotlin + Spring Boot с gRPC, BFF-слой для мобильного приложения

• Событийная интеграция через outbox и Debezium CDC

• Kubernetes, ArgoCD (GitOps), GitLab CI, Terraform

• Grafana, Loki, OpenTelemetry

• Мобильные клиенты iOS и Android, Firebase Crashlytics

• In-app подписки App Store и Google Play

Требования

Обязательные

• 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

Будет большим 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.)

Как мы работаем

• 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

Что важно в подходе

• 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

Почему это интересно

• 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