Описание
2ГИС — технологическая компания и часть экосистемы Сбера. Её сервисами ежедневно пользуются миллионы людей. Компания создаёт выделенную SRE-команду — центр экспертизы по надёжности сервисов, который помогает перейти от реагирования на инциденты к системному управлению доступностью, снизить операционные риски и сделать разработку более предсказуемой.
Задачи
•Развивать единый процесс управления инцидентами
•Формировать культуру разборов postmortem без поиска виноватых
•Контролировать выполнение задач по предотвращению повторных сбоев
•Улучшать матрицу эскалаций и устранять неоднозначности в процессе реагирования
•Стандартизировать внедрение OpenTelemetry для трассировок, метрик и логов
•Участвовать в создании единой платформы мониторинга и визуализации
•Разрабатывать стандарты логирования
•Контролировать объём и качество данных в системах телеметрии
•Проводить аудит алертов и снижать число ложных срабатываний
•Формировать принципы приоритизации алертов с учётом критичности сервисов
•Помогать командам настраивать полезные, своевременные и понятные уведомления
•Участвовать в классификации сервисов по уровням критичности: MC, BC, BO, OP
•Помогать командам определять и внедрять SLO/SLA
•Создавать дашборды для контроля Error Budget
•Разрабатывать и поддерживать инструкции, сокращающие время восстановления сервисов
•Консультировать продуктовые команды по стабильности и надёжности
•Формировать требования к развитию платформы дежурств и интеллектуальной эскалации
•Внедрять практики безопасных релизов: canary deployment, автоматический откат изменений и другие подходы к снижению рисков
Требования
•Опыт работы в SRE или DevOps от 3 лет
•Понимание принципов SRE: SLO, SLA, Error Budget, управления инцидентами и наблюдаемости
•Практический опыт работы с системами мониторинга и алертинга, например Prometheus и Grafana
•Опыт работы с OpenTelemetry или аналогичными инструментами
•Навыки автоматизации процессов на Python, Go, Bash или другом языке
•Понимание принципов работы дежурств и систем управления инцидентами
•Умение анализировать метрики производительности, находить первопричины сбоев и предлагать устойчивые решения
•Знакомство с CI/CD, Kubernetes и контейнеризацией
Будет плюсом: опыт внедрения SRE-практик с нуля или их масштабирования, проведения семинаров, обучения или наставничества продуктовых команд по вопросам надёжности
Условия
•ИТ-аккредитация
•Возможность стать одним из первых участников нового стратегического направления и влиять на его развитие
•Масштабные технические задачи по обеспечению стабильности сервисов, которыми пользуются миллионы людей
•Возможность влиять на процессы и сделать реагирование на инциденты и релизы более предсказуемыми
•Возможность участвовать в выборе подходов, стандартов и инструментов
•Удалённая работа по РФ или гибрид в Новосибирске, Москве и Санкт-Петербурге
