Эксперт по надежности в высоконагруженных сервисах

БАНК УРАЛСИБ; United States; Hybrid; USD 120,000 - 180,000; Full time

Job summary

БАНК УРАЛСИБ ищет SRE-инженера для проектирования и эксплуатации масштабируемой инфраструктуры на Kubernetes. Ваша задача — обеспечить отказоустойчивость, мониторинг и эффективное реагирование на инциденты в продакшн-сервисах банка.

Кандидат будет развивать наблюдаемость, участвовать в планировании мощностей и совместно работать с командами продуктов и платформы. Формат работы — удаленно или гибрид, официальное трудоустройство.

Qualifications

• Опыт SRE на продакшн сервисах, участие в дежурствах и реагировании на инциденты.
• Умение работать с SLI/SLO и бюджетом ошибок для внешних клиентов.
• Знание Linux, сетей (TCP/IP, DNS, HTTP) и контейнеризации.

Responsibilities

• Проектирование и развёртывание масштабируемой инфраструктуры на Kubernetes.
• Определение и мониторинг SLI/SLO/SLA, бюджет ошибок и надежности.
• Развивать наблюдаемость: метрики, логи, трейсинг, алертинг (OpenTelemetry, Grafana).
• Автоматизация операционных задач: Terraform, Ansible; CI/CD конвейеры; самовосстанавливающиеся системы.
• Участие в реагировании на инциденты и проведение пост-инцидентовых разборов.

Skills

Kubernetes

SRE практики

Linux & сети

Мониторинг/OBS

Incidents & пост-мортем

Python/Go

Tools

Terraform

Ansible

OpenTelemetry

Grafana

VictoriaMetrics

Job description

Описание:

Описания нет

Задачи:

• проектировать, строить и эксплуатировать масштабируемую и отказоустойчивую инфраструктуру на Kubernetes
• определять и отслеживать SLI/SLO/SLA
• внедрять политику бюджета ошибок и регулярные ревью надежности
• развивать наблюдаемость: метрики, логи, трейсинг, алертинг (VictoriaMetrics, Grafana, OpenTelemetry и др.)
• автоматизировать операционную работу — инфраструктура как код (Terraform, Ansible), конвейеры непрерывной интеграции и доставки, самовосстанавливающиеся системы
• участвовать в реагировании на инциденты, проводить разборы после инцидентов и разрабатывать инструкции по устранению
• участвовать в дежурствах
• заниматься планированием мощностей и оптимизацией производительности высоконагруженных сервисов совместно с продуктовыми и платформенными командами
• прорабатывать архитектуру, паттерны отказоустойчивости и безопасность релизов, выстраивать наблюдаемость сквозных пользовательских сценариев
• улучшать процессы деплоя: канареечные релизы, флаги функций, постепенные раскатки, chaos engineering

Требования:

• опыт SRE-практик на клиентских сервисах — участие в дежурствах и реагировании на инциденты на продуктивных нагрузках с прямым влиянием на пользователей
• работа с SLI/SLO и бюджетом ошибок для внешних клиентов (не внутренняя инфраструктура и не инструменты поддержки для сотрудников)
• уверенное знание Linux и сетей (TCP/IP, DNS, HTTP, балансировка нагрузки)
• практический опыт с Kubernetes и контейнеризированными нагрузками
• понимание инструментов мониторинга и наблюдаемости, а также процесса управления инцидентами
• понимание распределенных систем: сценарии отказов, консистентность, компромиссы при проектировании
• Будет плюсом: опыт работы с высоконагруженным продуктивным Java-стеком: диагностика JVM под нагрузкой, тюнинг производительности, разбор инцидентов на Java-сервисах
• понимание хотя бы одного языка программирования (Python, Go или аналоги)
• опыт с service mesh, очередями сообщений (Kafka, RabbitMQ) и базами данных под нагрузкой
• опыт в chaos engineering
• осознанный подход к безопасности: управление секретами, zero-trust сеть
• опыт построения платформ для других инженерных команд

Условия:

• официальное трудоустройство с первого дня работы
• стабильный и прозрачный доход (размер заработной платы обсуждается по результатам собеседования)
• карьерный рост: прозрачная система грейдов, система наставничества, обучение, чтобы поделиться с тобой экспертизой
• заботу о твоем здоровье: подключение ДМС после испытательного срока
• материальную помощь в различных жизненных ситуациях
• формат работы — удаленно или гибрид