Ключевые задачи:
- Обеспечение стабильной и бесперебойной работы систем и сервисов компании.
- Внедрение и настройка систем мониторинга, алертинга и инструментов анализа производительности.
- Автоматизация рутинных процессов и задач эксплуатации для повышения эффективности работы.
- Сопровождение и оптимизация контейнерной инфраструктуры, эффективное использование ресурсов.
- Обеспечение высокой доступности, отказоустойчивости и масштабируемости сервисов.
- Расследование и анализ инцидентов, выявление первопричин и внедрение решений для предотвращения их повторения.
- Оптимизация инфраструктуры и повышение общей операционной эффективности.
- Взаимодействие с командами разработки, тестирования, технической поддержки и DevOps для повышения надежности сервисов и развития стабильной, масштабируемой архитектуры.
От тебя мы ждем:
- Опыт на позиции SRE/DevOps инженера от 5 лет.
- Monitoring/Observability: уверенный опыт с Prometheus + Grafana (метрики, дашборды, алерты, базовый PromQL).
- Linux: уверенная работа в Linux (CLI, сеть/процессы, systemd, логи, диагностика производительности на базовом уровне).
- Язык программирования: опыт автоматизации/разработки на одном из: Java / Go / Python (скрипты/утилиты/небольшие сервисы для эксплуатации).
- Incident response mindset: готовность участвовать в решении инцидентов и дежурствах (on-call), желание разбираться в причинах деградаций по метрикам/логам и доводить до улучшений, желательно опыт работы с метриками/логами при поиске причин
- AI/LLM в эксплуатации: опыт внедрения или пилота ИИ-решений для эксплуатации/инцидентов (например: автоклассификация инцидентов, RCA-помощник, чат-бот по runbook/knowledge base, RAG по базе инцидентов) - важно: конкретный кейс/результат.
Опционально (будет плюсом):
- Docker / Docker Compose / Kubernetes
- Zabbix
- Git + CI/CD: умение пользоваться Git, понимание пайплайнов, релизов, rollback/canary (минимум)
- Логи/трейсинг: ELK/Loki, OpenTelemetry
- SLO/SLA, error budget
- Автоматизация runbooks/health-checks, снижение MTTR и повторяемости инцидентов
- SQL (PostgreSQL или другой SQL): чтение и базовая оптимизация запросов (понимание индексов, explain plan, поиск “тяжёлых” запросов)