SRE-инженер

Web3 Tech — разработчик продуктов на основе блокчейн-технологий, создатель блокчейн-платформы «Конфидент». Среди реализованных проектов — Национальная система ДЭГ, блокчейн-платформа для ФНС, платформы ЦФА для Альфа-Банка и Тинькофф, кастодиальное решение «Цифровое казначейство».

Мы строим с нуля платформу для регулируемых операций с цифровыми активами — на стыке финтеха, криптовалют и биржевой инфраструктуры. Это микросервисная система с высокими требованиями к надежности, безопасности и корректности финансовых операций.

Мы ищем SRE-инженера, который самостоятельно выстроит и будет развивать платформу наблюдаемости для наших продуктов.

Главный фокус — обеспечить техническую поддержку и продуктовые команды логами, метриками, инструментами диагностики и понятными сценариями работы с инцидентами.
Предстоит проектировать, разворачивать, настраивать и сопровождать компоненты платформы, предоставлять командам интерфейсы самообслуживания, внедрять AI-инструменты для диагностики и выявления проблем.

В ваши задачи войдёт:
- Развитие платформы наблюдаемости: выбор компонентов, развёртывание, интеграции, настройка доступа, производительности и отказоустойчивости.
- Сбор метрик и логов: настройка агентов, экспортёров, обработки и доставки данных; контроль полноты сбора, задержек и потерь.
- Инструменты для техподдержки: дашборды, поиск логов, готовые диагностические запросы и корреляция событий между сервисами.
- Самообслуживание команд: интерфейсы для управления дашбордами, правилами алертинга, маршрутами уведомлений и временным подавлением алертов в пределах назначенных прав.
- Маршрутизация алертов: настройка критичности, ответственных, каналов уведомлений и эскалаций; сокращение шума и дублирования, привязка уведомлений к диагностике и ранбукам.
- AI для диагностики алертов: внедрение инструментов, которые собирают контекст из метрик, логов, истории инцидентов и изменений, предлагают вероятные причины со ссылками на данные и рекомендуют следующие шаги проверки. Оценка качества выводов и пользы для поддержки.
- Поиск аномалий: определение нормального поведения сервисов с учётом сезонности и профиля нагрузки, выявление необычных изменений в метриках и логах, поиск ранних признаков деградации.
- Периодическая аналитика: анализ ошибок, задержек, нагрузки, повторяющихся инцидентов и качества алертинга за выбранный период. Подготовка отчётов с тенденциями, проблемными участками и предложениями по улучшению.
- Ранбуки: подготовка и проверка инструкций с симптомами, последовательностью диагностики, допустимыми действиями и условиями эскалации; обновление по результатам инцидентов.
- Хранение и защита данных: организация хранения прикладных, инфраструктурных, аудиторских логов и событий безопасности. Совместно с ИБ и юристами — определение требований законодательства РФ и внутренних политик; самостоятельно — реализация правил доступа, маскирования, хранения, архивирования и удаления, включая использование данных AI-инструментами.
- Автоматизация: воспроизводимые конфигурации, управление изменениями через Git, документация и обучение команд работе с платформой.

Мы ожидаем, что вы:
- Имеете опыт самостоятельного развёртывания и эксплуатации систем мониторинга и централизованного логирования.
- Уверенно работаете с Linux, Kubernetes и сетями, умеете диагностировать production-инциденты.
- Понимаете, как проектировать сбор и хранение данных: оценивать объёмы, кардинальность метрик, нагрузку, сроки хранения и потребность в ресурсах.
- Знаете принципы структурированного логирования, корреляции событий, алертинга и эскалаций.
- Умеете анализировать временные ряды и логи, определять базовый уровень показателей, учитывать сезонность и отличать значимые отклонения от шума.
- Можете внедрять AI/LLM-инструменты в эксплуатационные процессы, проверять достоверность их выводов и измерять результат: время диагностики, точность гипотез, количество ложных срабатываний.
- Умеете превращать результаты анализа в конкретные изменения мониторинга, ранбуков и инфраструктуры.
- Можете организовать работу нескольких команд с платформой, разграничив доступ и ответственность.
- Понимаете особенности обработки персональных данных и другой защищаемой информации.
- Пишете понятные инструкции и автоматизируете операции на Python, Go или Bash.

Технологические ориентиры: VictoriaMetrics для метрик, VictoriaLogs или OpenSearch для логов, Grafana для визуализации. Стек, способы поиска аномалий и AI-инструменты обсуждаем с учётом задач, объёмов данных, требований к безопасности и стоимости эксплуатации.

Будет плюсом опыт работы с несколькими линиями поддержки, построения платформ самообслуживания, применения статистических методов обнаружения аномалий и использования Terraform, Ansible, Helm и GitOps.

Результат вашей работы — команды самостоятельно получают диагностическую информацию, алерты приходят ответственным с полезным контекстом, AI помогает сокращать время расследования, а анализ накопленных данных позволяет выявлять проблемы и предотвращать повторные инциденты.