Описание
Мы поддерживаем высоконагруженную банковскую систему класса критичности Mission Critical+ (МС+). Это максимальный класс: система работает круглосуточно, и любой сбой сразу замечают клиенты банка. Третья линия — последний рубеж перед разработкой. К нам приходят инциденты, которые не решились ранее, а от нас уходят задачи, после которых эти инциденты не повторяются. Мы ищем инженера, которому мало просто потушить пожар: важно понять, почему он начался, и сделать так, чтобы он не случился снова.
Задачи
•Разбирать инциденты, эскалированные от бизнес пользователей, системы мониторинга и дежурной смены: не только сбои, но и деградацию производительности под нагрузкой.
•Находить причину по логам, метрикам, трассировкам и данным в БД.
•Вести управление критичными инцидентами (процесс управления инцидентами): собирать нужных людей, координировать работу, держать бизнес и смежные команды в курсе статуса (коммуникационный план). Для системы МС+ счёт идёт на минуты.
•Готовить справки по итогам инцидентов: хронология, влияние на клиентов и бизнес, первопричина, что уже сделано и что нужно сделать, чтобы инцидент не повторился.
•Находить дефекты в продуктиве и подтверждать их: шаги воспроизведения, логи, запросы, ожидаемое и фактическое поведение.
•Ставить задачи на исправление в разработку так, чтобы разработчику не пришлось ничего переспрашивать, и вести их до выката исправления.
•Искать закономерности и повторяющиеся причины в прошедших инцидентах.
•Предлагать и доводить до конца меры, которые снижают число инцидентов: исправления, изменения в процессах, автоматизацию.
•Описывать новые метрики и алерты, если инцидент показал, что мониторинг не заметил проблему или заметил её поздно.
•Разбирать метрики, которые срабатывают неверно (ложные срабатывания, пропуски, неверные пороги), и добиваться их исправления.
Требования
•Опыт от 3 лет во второй или третьей линии поддержки, в эксплуатации или SRE.
•Опыт поддержки высоконагруженных систем, работающих круглосуточно.
•Уверенные знания Linux: логи, процессы, сеть, базовый bash.
•SQL на уровне, достаточном, чтобы самостоятельно найти и проверить данные в продуктивной БД.
•Опыт работы с системами логирования и мониторинга: ELK / OpenSearch, Grafana, Prometheus, Zabbix.
•Понимание устройства распределённых систем: микросервисы, HTTP/REST, очереди Kafka / RabbitMQ, интеграции.
•Знание процессов управления инцидентами и проблемами (ITIL или аналог).
•Аккуратность в работе с продуктивными данными в рамках требований информационной безопасности.
•Умение ясно писать: справка по инциденту и задача в разработку — ваш основной рабочий результат.
•Спокойствие и собранность во время критичного инцидента.
Будет плюсом
•Опыт работы в банке или финтехе, понимание банковских процессов: платежи, карты, расчёты.
•Опыт ведения крупных инцидентов и проведения разборов в формате blameless postmortem.
•Kubernetes, Docker.
•Умение читать код Java / Python настолько, чтобы найти место дефекта. Писать продуктовый код не требуется.
•Трассировка и APM: OpenTelemetry, Jaeger и аналоги.
•Понимание SLI/SLO и практик SRE.
•Скрипты автоматизации на Python или bash.
•Сертификат ITIL 3/4 Foundation.
Условия
•Комфортный современный офис (ст.м. Кутузовская).
•Ежегодный пересмотр зарплаты, годовая премия.
•Корпоративный спортзал и зоны отдыха.
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития.
•Программа адаптации и помощь руководителя на старте.
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
•Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ.
•Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
•Вознаграждение за рекомендацию друзей в команду Сбера.
