Описание
Twinby — один из крупнейших российских дейтинг-сервисов с миллионами пользователей: реалтайм (лента, матчи, чаты), подписки и покупки, антифрод и модерация. Ищем тимлида SRE — руководителя группы, которая отвечает за платформу для всех продуктовых команд и за надёжность продукта. Платформа здесь работает как продукт со своим бэклогом, а её клиенты — другие инженеры. Результат группы меряется тем, насколько быстрее, надёжнее и спокойнее работают остальные команды. Тимлид ведёт команду SRE и DBA и при этом сам пишет код: платформенные инструменты и изменения в продуктовых сервисах, когда узкое место там.
Задачи
•Вести команду SRE и DBA: нанимать, растить, держать планку, давать честную обратную связь — включая тяжёлую.
•Писать код ради надёжности: платформенные сервисы, библиотеки, автоматика — так, чтобы класс проблем исчезал; заходить с изменениями в продуктовые сервисы, когда узкое место там.
•Строить «мощёные дороги» для продуктовых команд: шаблоны сервисов, общие библиотеки, CI/CD и merge-gate как внутренний продукт, контрактные тесты. Правильный путь должен быть самым лёгким.
•Владеть надёжностью сервисов: SLI/SLO и бюджет ошибок как рабочая политика, осознанный размен между скоростью релизов и стабильностью.
•Строить наблюдаемость как систему: метрики, трейсинг, структурированные логи, алерты по симптомам и дашборды, по которым инцидент разбирается по данным.
•Владеть инцидент-процессом и дежурствами: разбор по данным до первопричины, постмортемы без поиска виноватых, доведение действий по итогам разбора. Команды держат свои сервисы сами — по принципу «you build it — you run it».
•Вести каталог сервисов: у каждого сервиса есть владелец, ранбук и дашборд; правило «нет владельца — не в прод».
•Развивать инфраструктуру под рост — эволюционно, без переписывания всего сразу.
Требования
•Опыт в роли тимлида или ведущего инженера с командой — от полугода: под тобой люди росли, ты давал тяжёлую обратную связь и сам участвовал в найме.
•Ты пишешь код сейчас: инструменты, сервисы, библиотеки с логикой. Готов показать, что именно и на чём написал за последний год-два.
•Ты можешь защитить каждое решение, которое уходит в прод: объяснить, что оно делает, что сломается без него и что будет при десятикратной нагрузке. И того же требуешь на ревью.
•Твои практики переняли другие команды: дежурства, постмортемы, владение сервисами или стандарт, которым пользуются люди, которыми ты не руководил.
•Опыт SRE, внутренней платформы или инфраструктуры на масштабе многих сервисов: paved roads, наблюдаемость и надёжность как постоянная практика.
•SLO и бюджет ошибок в работе: понимаешь, когда тратить бюджет на скорость, а когда тормозить релизы, и умеешь объяснить это продукту.
•Влияние без формальной власти: продуктовые команды тебе не подчинены, планку ты держишь через удобство, аргумент и инструменты.
•Уверенный низкий уровень: Linux, сеть, диск, память — понимаешь, как и почему система деградирует.
Будет плюсом:
•Опыт построения платформы или наблюдаемости с нуля, на которой релизят и дежурят другие команды.
•Опыт в high-load, у облачного провайдера или в финтехе: настоящее дежурство, жёсткие SLA, дисциплина изменений.
•Опыт постановки инцидент-процесса и культуры постмортемов.
•Контрибьют в инфраструктурный open source, доклады на профильных конференциях, публичные разборы собственных инцидентов.
Условия
•Масштаб и реалтайм: миллионы пользователей, лента, матчи, чаты, пиковые нагрузки.
•Ты формируешь практики надёжности — наблюдаемость, дежурства, постмортемы, владение сервисами, — и они становятся нормой для всех команд.
•Мандат менять систему: ты и твоя команда заходите в продуктовые сервисы ради надёжности.
•Рабочие рычаги: бюджет ошибок как политика с правом остановить выпуск фич ради надёжности; фиксированная доля мощности на техдолг каждый цикл, которую приоритизируют инженеры.
•Ты сам собираешь команду и держишь её планку.
•Высокая автономия и прямой контакт с CTO.
