SRE в команду АИ-платформы

Ищем SRE в команду AI-платформы.

Проект — высоконагруженный сервис, который позволяет компаниям загружать внутренние документы и использовать их как базу знаний для ИИ. Сервис сам индексирует документы, выполняет поиск нужной информации и передает найденные данные LLM для формирования ответов на вопросы пользователей.

Что делать

• Отвечать за стабильность и надежность production-среды.
• Настраивать и развивать SLI/SLO, метрики, алерты, дашборды и ранбуки.
• Повышать наблюдаемость и отказоустойчивость сервисов.
• Участвовать в расследовании и устранении инцидентов.
• Проводить постмортемы и разрабатывать меры для предотвращения повторных аварий.
• Разрабатывать и поддерживать планы аварийного восстановления (DRP).
• Участвовать в развитии процессов и практик SRE.

Что важно

• Уверенно работать с Linux и иметь опыт промышленной эксплуатации систем.
• Понимать принципы load balancing, circuit breaker, disaster recovery и других механизмов отказоустойчивости.
• Хорошо понимать SLI/SLO и уметь применять их на практике.
• Опыт работы с Kubernetes, Grafana и Prometheus.
• Понимать принципы IaC.
• Разбираться в сетях и уметь находить и устранять проблемы сетевого взаимодействия.

Будет плюсом:

• Go, Python, Bash.
• Опыт проектирования отказоустойчивых и масштабируемых сервисов.
• Опыт работы с системами управления конфигурациями.

Условия

• Оформление по ТК РФ.
• Конкурентная зарплата + годовой бонус.
• ДМС со стоматологией с возможностью подключить родственников.
• Гибридный или удалённый формат работы на территории РФ.