SRE/Site Reliability Engineer в Сloud.ru: Инженерия удалённо

На этой позиции тебе предстоит:

• Отвечать за production
• Проектировать, разрабатывать, внедрять и поддерживать SLO/SLI, метрики, алерты, ранбуки и дашборды для продукта
• Повышать наблюдаемость и надежность продукта
• Участвовать в устранении аварий и последующей стабилизации продукта
• Участвовать в заполнении и разборе постмортемов
• Разрабатывать и выполнять меры, направленные на предотвращение повторных инцидентов
• Автоматизировать рутинную работу
• Разрабатывать DRP
• Участвовать в разработке процессов, используемых в работе

Что мы ждем от кандидата:

• Свободно и на экспертном уровне работаете с Linux-системами и занимались их промышленной эксплуатацией

• Понимаете, что такое load balancing, circuit breakers, disaster recovery и т.п.

• Понимаете, что такое SLO и SLI и умеете применять их на практике

• Имеете опыт работы с Grafana, Prometheus, k8s

• Понимаете принципы IaC-подхода к описанию инфраструктуры; понимаете, как работают сети и умеете диагностировать и решать проблемы в их работе

  Дополнительно

  пишете на Go / Python / bash и т.п. в объеме, достаточном для автоматизации повседневной работы; имеете практический опыт работы SRE; знаете, как сделать отказоустойчивый масштабируемый сервис; умеете работать с системами управления