Site Reliability Engineer (Hadoop)

Title: Site Reliability Engineer (Hadoop) Company: Split Pay Location: Worldwide

tl;dr: SRE (Hadoop, Kafka); post-acquisition profitable health/adtech; 20PB+ scale; remote, up to 150k USD base, we can talk higher figures and EU/UK/US employment

PulsePoint находится на стыке здравоохранения и adtech. Мы помогаем брендам и агентствам интерпретировать трудночитаемые сигналы в течение всего пути пациента и объединяем эти цифровые детерминанты здоровья с реальными данными для получения наиболее полного представления о клиенте. Нас более 300 человек, и мы растем, являемся пост-приобретенным бизнесом и одним из ведущих игроков на рынке adtech здравоохранения США.

Мы ищем инженера по надежности сайта (Site Reliability Engineer), который поможет нам обеспечить надежность потоковых и хранилищных систем, обрабатывающих миллиарды событий ежедневно через Kafka, Hadoop HDFS и Ceph. Команда Data Platform управляет этими системами в гибридной инфраструктуре (bare-metal on-prem, облако и интеграция между ними), и вы будете отвечать за надежность на протяжении всего жизненного цикла: архитектура, развертывание, планирование мощностей и реагирование на инциденты.

Вы будете

• Обеспечивать надежность Kafka – архитектура, дизайн топиков, управление, стратегия партиционирования, оптимизация пропускной способности и задержки.
• Отвечать за надежность Ceph – операции, дизайн пулов, оптимизация размещения, планирование мощностей.
• Создавать операционную автоматизацию для снижения ручного труда, ускорения реагирования на инциденты и предотвращения сбоев до их возникновения.
• Поддерживать конвейеры резервного копирования и восстановления SQL Server и базовую надежность кластера.
• Создавать инструменты observability и самообслуживания для команды данных.

Стек

• Apache Kafka, Hadoop, Ceph, резервное копирование/восстановление SQL Server, Terraform, Ansible, Puppet, ArgoCD, Prometheus, Grafana, Icinga, PagerDuty. Bare-metal и гибридная облачная/on-prem инфраструктура.

Требования

• 5+ лет опыта обеспечения надежности распределенных систем в масштабе на продакшене.
• Глубокая экспертиза в Kafka, Ceph или аналогичной распределенной инфраструктуре.
• Подтвержденная способность проектировать с учетом масштаба, надежности и восстановления после сбоев.
• Опыт наставничества инженеров и принятия технических решений.
• Готовность работать с 9:00 до 18:00 по восточному времени США.

Желательно

• Опыт многорегиональной репликации и аварийного восстановления.
• Оптимизация затрат в масштабе инфраструктуры.
• Опыт гибридных on-prem/cloud операций.

Мы предлагаем

• Удаленная работа, высокий инженерный уровень и комфортная культура.
• Плоская иерархия с легким доступом к бизнес-, продуктовым и операционным командам.
• Огромный масштаб (кластер 20PB+) с реальным потенциалом роста.
• Ответственность и прямое влияние, у вас есть пространство для изменения фокуса по мере развития ваших интересов.
• Зарплата до 150 000 долларов США, более высокие цифры и трудоустройство в ЕС/Великобритании/США обсуждаются.