Название: Ведущий инженер по надежности сайтов Компания: Runware Местоположение: Великобритания / Франция / Германия / Испания / Италия / Швеция / Удаленно

Runware создает высокопроизводительную инфраструктуру и продукты для обеспечения мирового интеллекта. Наша платформа позволяет разработчикам и компаниям выполнять быструю масштабируемую инференцию изображений, видео и новых модальностей, а наша бессерверная платформа позволяет клиентам развертывать и масштабировать собственные ИИ-модели на инфраструктуре GPU производственного уровня.

В качестве инженера по надежности сайтов (Site Reliability Engineer) в Runware вы будете помогать обеспечивать надежность, производительность и устойчивость этих систем по мере их масштабирования. Это высокотехничная, практическая роль, охватывающая разработку программного обеспечения, инфраструктуру и эксплуатацию производства с целью улучшения наблюдаемости, снижения инцидентов, устранения рутинных операций и создания долгосрочных улучшений в сложных распределенных системах.

Что вы будете делать:

• Отвечать за надежность, доступность и производительность критически важных производственных сервисов платформы Runware и улучшать их.
• Определять и развивать наши практики надежности, включая SLI, SLO, оповещение, наблюдаемость и стандарты готовности к производству.
• Исследовать сложные производственные проблемы в распределенных системах, API, сетях, очередях, базах данных и рабочих нагрузках с GPU-ускорением, участвуя в нашем графике дежурств по инженерии.
• Руководить обзорами инцидентов и RCA (анализ первопричин), а также вносить свой вклад, превращая повторяющиеся сбои в долгосрочные инженерные улучшения.
• Сокращать рутинные операционные задачи посредством автоматизации, автоматизированного исправления и улучшений безопасности развертывания, восстановления и устойчивости системы.
• Тесно сотрудничать с командами разработки и DevOps по планированию мощностей, производительности, масштабированию и архитектурным улучшениям по мере роста платформы.

Требования:

• Иметь значительный опыт эксплуатации и устранения неполадок производственных систем в масштабе в роли SRE, инженера по эксплуатации, инженера платформы или аналогичной.
• Иметь глубокое понимание распределенных систем и быть уверенным в отладке приложений, баз данных, очередей, контейнеров, сетей и инфраструктуры.
• Иметь опыт проектирования и эксплуатации систем наблюдаемости с использованием метрик, логов и распределенного трассирования.
• Понимать принципы SRE, включая SLI, SLO, бюджеты ошибок, планирование мощностей, управление инцидентами и сокращение рутинных операций.
• Иметь опыт работы с Kubernetes, контейнерами, IaC (инфраструктура как код) и практиками автоматизированного развертывания, а также способность писать программное обеспечение и автоматизацию, используя такие языки, как Python, Go или PHP.
• Брать на себя ответственность за производственные проблемы и быть уверенным в участии в графике дежурств инженеров, решая проблемы от первоначального расследования до долгосрочного исправления.

Бонус:

• Опыт эксплуатации API с высокой пропускной способностью или низкой задержкой и распределенных систем.
• Опыт работы с bare-metal инфраструктурой, GPU-средами или ИИ/МО рабочими нагрузками.
• Опыт работы с RabbitMQ или другими распределенными системами обмена сообщениями и очередями.
• Опыт эксплуатации MySQL, Redis, ClickHouse или аналогичных производственных систем данных.
• Опыт работы с глобальным управлением трафиком, балансировкой нагрузки, CDN-платформами и гибридными инфраструктурными средами.
• Опыт создания систем автоматического масштабирования, управления мощностями или самовосстановления.

Преимущества: Мы — удаленный коллектив, встречающийся два раза в год лично для планирования, мозгового штурма, празднования успехов и личного общения. У нас есть основные часы для совместной работы и звонков, но за их пределами ваш календарь принадлежит вам. Работайте в часы, которые позволяют вам работать максимально эффективно, одновременно строя здоровую жизнь.

Мы быстро движемся и устанавливаем высокую планку, но также верим, что устойчивая производительность имеет значение. После крупных выпусков и вех мы выделяем время для команды, чтобы должным образом отключиться, восстановиться и вернуться с энергией для решения следующих задач.

• Щедрый оплачиваемый отпуск — отпуск, дни по болезни, государственные праздники
• Значительные опционы на акции — делитесь ростом, который вы создаете
• Удаленный формат — работайте из дома в любом месте, где мы можем вас трудоустроить
• Гибкий график — управляйте своим расписанием за пределами основных блоков совместной работы
• Семейный отпуск — оплачиваемое время для матерей, отцов и опекунов
• Корпоративные ретриты — дважды в год встречи в вдохновляющих местах