Описание
Облачная платформа с ключевыми сервисами, работающими в production.
Задачи
•Отвечать за надёжность и стабильную работу закреплённых ключевых сервисов облачной платформы в production
•Разбираться в устройстве сервисов, их компонентах, зависимостях и сценариях отказа
•Участвовать в выводе новых сервисов и версий в production, обеспечивать безопасное и воспроизводимое развёртывание
•Разрабатывать и поддерживать Helm charts и конфигурации развёртывания
•Помогать командам разработки готовить и выполнять развёртывание в production
•Настраивать и доустанавливать необходимые инфраструктурные компоненты в production
•Организовывать получение необходимых доступов и взаимодействовать с инфраструктурными командами
•Настраивать и развивать мониторинг, метрики, логирование, оповещения и другие средства наблюдаемости
•Контролировать работу сервисов в production, выявлять деградации и потенциальные проблемы до их влияния на клиентов
•Участвовать в расследовании инцидентов, ошибок и деградаций, определять первопричины и координировать устранение
•Анализировать повторяющиеся проблемы и инициировать изменения для предотвращения их повторения
•Участвовать в разборе инцидентов и улучшать процессы эксплуатации
•Автоматизировать рутинные операции и снижать объём ручной работы
•Участвовать в определении и контроле SLI/SLO закреплённых сервисов
•Оценивать влияние технических проблем на доступность, производительность и основные пользовательские функции сервисов
•Взаимодействовать с разработчиками на всём жизненном цикле сервиса — от подготовки production до устранения эксплуатационных проблем
•Повышать отказоустойчивость и наблюдаемость сервисов
Требования
•Высшее техническое образование в сфере ИТ, вычислительной техники, автоматизации, телекоммуникаций или смежных областях
•Опыт от 3 до 5 лет в эксплуатации, SRE, DevOps, Platform Engineering или смежных направлениях
•Продвинутые знания Linux
•Знание Kubernetes, Helm, CI/CD, Git, API, CLI и shell- или Python-скриптов
•Знание мониторинга и наблюдаемости: метрик, логов и оповещений
•Понимание отказоустойчивости и эксплуатации production-систем
•Навыки диагностики проблем и анализа первопричин
•Понимание сетевого взаимодействия и основных инфраструктурных компонентов
•Практический опыт SRE-подхода: SLI/SLO, error budget, управление инцидентами и проблемами
•Готовность глубоко разбираться в устройстве закреплённых сервисов
•Ответственность за результат и production, системное мышление, инициативность и техническая любознательность
•Умение самостоятельно расследовать незнакомые проблемы, принимать технические решения и доводить устранение до первопричины
•Умение конструктивно взаимодействовать с разработчиками и инфраструктурными командами
•Английский для чтения технической документации и материалов по устранению проблем на уровне B1–B2 и выше
•Будет плюсом: опыт сопровождения высоконагруженных или критичных production-сервисов, эксплуатации OpenStack или других облачных платформ, работы с Prometheus, Grafana, Loki, ELK, OpenSearch, PostgreSQL, Redis, Kafka или RabbitMQ, построения и улучшения production-инфраструктуры, анализа производительности и ёмкости, автоматизации операций, release engineering и безопасного развёртывания
Условия
Условий в вакансии нет
