Описание
Everpure (NYSE: P) превратилась из пионера систем хранения данных в дата-платформу, закрыв 2026 финансовый год с выручкой 3,7 млрд долларов, своим первым миллиардным кварталом, и ускоряет рост в FY27. Наша стратегическая повестка охватывает компании, определяющие следующую эру технологий — гипермасштабируемые компании, AI-лаборатории, цепочку поставок AI-оборудования, провайдеров дата-платформ и более широкую AI-экосистему.
Команда Site Reliability Engineering отвечает за надёжность, observability и управление инцидентами внутренней инженерной платформы, на которой продуктовые команды Everpure создают и запускают свои сервисы. Мы определяем, как измеряется надёжность, эксплуатируем общие сервисы, от которых зависит платформа, управляем жизненным циклом инцидентов и устраняем операционную рутину, замедляющую разработку.
Как Senior Site Reliability Engineer в Праге, вы будете отвечать за надёжность группы платформенных сервисов от начала до конца и возглавите одну или несколько программ, повышающих надёжность во всей организации. Вы будете задавать техническое направление в своей области, направлять менее опытных инженеров и тесно работать с продуктовыми командами, чьи сервисы работают на платформе, и с коллегами-SRE в других инженерных офисах.
Задачи
•Service level objectives и error budgets. Возглавлять определение целей совместно с владельцами сервисов, проектировать, как они измеряются и отражаются в отчётах, и отвечать за показатели надёжности, которые отслеживает организация, включая время обнаружения и время восстановления. Использовать их для формирования приоритетов команды и для обоснования работ по надёжности перед инженерным руководством.
•Observability. Задавать направление для единого пайплайна метрик, логов и алертов в наших дата-центрах и публичном облаке. Способствовать улучшению скорости обнаружения и качества алертов во всех командах, а также определять стандарты, на которые ориентируются владельцы сервисов.
•Управление инцидентами. Участвовать в ротации дежурств и выступать в роли incident commander при значительных инцидентах. Вести безоценочные постмортемы (blameless postmortems), следить за выполнением связанных с ними действий и улучшать сам процесс управления инцидентами: владение, эскалацию, коммуникацию и ревью.
•Общие сервисы платформы. Отвечать за архитектуру и эксплуатацию сервисов обмена сообщениями, кэширования, баз данных и continuous-integration, от которых зависит платформа. Руководить их развитием в сторону высокодоступных решений, включая резервирование, планирование емкости, стратегию обновлений и проверенные процедуры восстановления.
•Автоматизация. Выявлять крупнейшие источники операционной рутины и руководить инженерной работой по их устранению. Помогать определять, как AI применяется для триажа инцидентов и устранения проблем, включая меры безопасности для автоматических действий, и измерять влияние на время восстановления.
•Готовность к продакшену. Проводить обзоры дизайна и готовности к продакшену для новых и изменяющихся сервисов, устанавливать ожидания по надёжности, которым должны соответствовать продуктовые команды, и наставлять инженеров из других команд по практикам надёжности.
•Техническое лидерство. Наставлять инженеров команды, проводить ревью дизайнов и изменений, представлять работу команды по надёжности перед партнёрскими командами и руководством.
Мы придерживаемся преимущественно офисного формата работы, поэтому ожидается работа из офиса в Праге в соответствии с политиками Everpure, за исключением отпуска, рабочих поездок или других согласованных отсутствий.
Требования
•Подтверждённый опыт в software, platform или site reliability engineering, включая несколько лет сквозного владения продакшн-системами и дежурств (on-call) для критических сервисов.
•Сильные навыки программирования на языках, таких как Python или Go, с опытом создания операционных инструментов для платформенного масштаба.
•Практическая экспертиза в эксплуатации распределённых систем на Linux и Kubernetes с использованием Infrastructure as Code и CI/CD пайплайнов в multi-cloud или гибридных средах.
•Опыт эксплуатации stateful-сервисов (базы данных, кэши или message brokers) с фокусом на высокую доступность, disaster recovery и автоматический failover.
•Продемонстрированная способность определять SLO/error budgets, вести безоценочные постмортемы и задавать техническое направление для инженерных команд.
Условия
•Инновации: мы ценим тех, кто критически мыслит, любит вызовы и стремится быть новатором.
•Рост: мы даём пространство и поддержку для роста вместе с компанией и для вклада в значимые дела.
•Компания удостоена наград Fortune's Best Workplaces in Technology™, Fortune's Best Workplaces in the Bay Area™ и сертифицирована как Great Place to Work®.
•Команда: мы поддерживаем друг друга и отодвигаем эго ради общего блага. Предлагаются различные льготы для поддержания баланса, включая гибкий отпуск, ресурсы для благополучия и корпоративные мероприятия.
