Site Reliability Engineer (SRE)

О Clear Street: Миссия Clear Street — предоставить каждому искушенному инвестору доступ ко всем активам на всех рынках через единую платформу, созданную для скорости, прозрачности и масштабируемости.

Мы предоставляем нашим клиентам технологии, инструменты и услуги, ранее доступные только крупнейшим учреждениям, заново построенные на современной инфраструктуре. Наша единая, облачная, комплексная платформа рынков капитала сегодня обеспечивает рост инвесторов и трансформирует способы их взаимодействия с рынками завтра.

Дополнительную информацию можно найти на сайте Clear Street.

Роль В качестве инженера по надежности сайтов (SRE) вы находитесь на стыке надежности программного обеспечения и операционного совершенства. Вы отвечаете за работоспособность, отказоустойчивость и восстановление наших производственных систем, тратя столько же усилий на разработку решений, которые устраняют рутинный труд, уменьшают радиус распространения инцидентов и повышают планку надежности всей платформы. Вы будете тесно сотрудничать с командами разработки, эксплуатации и бизнеса, чтобы понимать повседневные проблемы и преобразовывать их в долгосрочные автоматизированные решения. Половину вашего времени вы проводите «в окопах» — поддерживая производство, реагируя на инциденты и глубоко понимая, как наши системы ведут себя в реальных условиях. Другая половина — ваша для построения: автоматизации, инструментов и платформ наблюдаемости, которые сделают завтрашнее дежурство значительно проще, чем сегодняшнее.

Вы будете работать над такими задачами, как: ● Разработка и создание комплексных платформ мониторинга и наблюдаемости, которые предоставляют нужный сигнал в нужное время — устраняя утомление от оповещений и ускоряя анализ первопричин. ● Разработка интеллектуальной автоматизации и возможностей самовосстановления, которые диагностируют проблемы, запускают рабочие процессы восстановления и сокращают среднее время восстановления (MTTR) без ручного вмешательства. ● Анализ инцидентов, выявление системных тенденций и разработка решений, предотвращающих повторное возникновение целых классов сбоев. ● Создание многократно используемых руководств, диагностических инструментов и сценариев восстановления, которые превращают коллективные знания в масштабируемые возможности платформы. ● Создание «золотых» операционных рабочих процессов — делая безопасный и самый надежный путь также самым простым для следования инженерным командам. ● Сотрудничество с командой Platform Engineering для влияния на конвейеры CI/CD, безопасность развертывания и отказоустойчивость инфраструктуры с точки зрения надежности производства. ● Продвижение принципов Infrastructure as Code, GitOps и лучших практик SRE, помогая командам внедрять современные инженерные рабочие процессы. ● Непрерывное измерение работоспособности производства с помощью SLI/SLO/SLA и определение приоритетов разработки на основе данных о надежности. ● Изучение новых технологий, включая диагностику с помощью ИИ и инструменты для разработчиков, которые трансформируют способы эксплуатации производственных систем.

Команда Мы верим, что отказоустойчивые системы строятся инженерами, которые понимают их от начала до конца. Наша команда Production Engineering — первая и последняя линия обороны нашей производственной платформы. Мы относимся к надежности как к продукту, где время безотказной работы и опыт инженера — наши путеводные звезды. Мы сочетаем дисциплину SRE с подходом строителя: когда мы видим повторяющуюся проблему, мы создаем решение, а не обходной путь.

Вы будете работать со всеми инженерными командами и командами эксплуатации, чтобы понимать режимы сбоев, количественно оценивать пробелы в надежности и создавать возможности платформы, которые масштабируются вместе с организацией. Будь то сокращение MTTR с часов до минут, создание инструментов самообслуживания для диагностики или разработка проактивных оповещений, которые выявляют проблемы до того, как их заметят клиенты, ваша работа будет иметь немедленный и измеримый эффект.

Если вы увлечены тем, чтобы производственные системы были невидимы для конечных пользователей — и вы черпаете энергию как в тушении пожаров, так и в создании систем, которые делают пожары менее вероятными — вы будете преуспевать здесь.

Кого мы ищем Мы ищем инженеров, которые сочетают операционный инстинкт с дисциплиной строителя.

У вас должны быть: ● Отличные практические навыки работы с Python — это ваш основной язык для автоматизации и инструментов. ● Опыт работы в SRE, Production Engineering, Platform Engineering или смежной области с прямым владением производственными системами. ● Подтвержденный опыт создания инструментов автоматизации и диагностики, которые сократили время восстановления или уменьшили операционную нагрузку. ● Глубокое знакомство с облачными технологиями — Kubernetes, контейнеры, распределенные системы — и понимание того, как они выходят из строя в производственной среде. ● Опыт работы с платформами наблюдаемости, такими как Datadog, и сильная интуиция относительно того, как выглядит «хороший» мониторинг. ● Знакомство с Infrastructure as Code (Terraform) и рабочими процессами развертывания на основе GitOps (ArgoCD, GitHub Actions или аналогичные). ● Знакомство с более широким технологическим стеком: Java, Go, Kafka, Redis, Snowflake и Postgres. ● Сильные аналитические навыки и навыки решения проблем — вы преуспеваете в решении неопределенных, ответственных производственных задач. ● Ориентация на продукт, применяемая к операционным инструментам: вы думаете об удобстве использования, внедрении и документации при создании внутренних решений. ● Отличные коммуникативные навыки и способность свободно работать с представителями инженерных, операционных и бизнес-подразделений. ● Самостоятельность — вы определяете возможности, проявляете инициативу и добиваетесь результатов с минимальным надзором. ● Любознательность и стремление к постоянному обучению; опыт работы в финтех- или финансовой отрасли будет плюсом.

Технологии, с которыми вы будете работать Вы будете работать и создавать на современной облачной платформе, которая включает: ● Kubernetes и AWS ● Terraform и ArgoCD ● GitHub Actions ● Kafka, Redis ● PostgreSQL и Snowflake ● Datadog ● Python, Go, Java ● gRPC и Protobuf ● Внутренние API платформы и инструменты для разработчиков

Как выглядит успех В течение первого года вы окажете измеримое влияние на надежность производства. Успех выглядит следующим образом: ● Сокращение среднего времени обнаружения (MTTD) и среднего времени восстановления (MTTR) для ключевых производственных систем. ● Создание автоматизации, которая обрабатывает значительный процент сценариев инцидентов без участия человека. ● Стать доверенным экспертом по основным компонентам платформы и их режимам сбоев. ● Предоставление инструментов наблюдаемости и диагностики, которые другие инженеры фактически используют и на которые полагаются. ● Установление базовых уровней SLO и стимулирование инвестиций в разработку на основе данных о надежности. ● Тратить меньше своего времени — и времени своих коллег — на повторяющуюся ручную работу.

Ваше влияние будет измеряться не количеством инцидентов, на которые вы реагируете, а тем, насколько надежно работают наши системы и как быстро мы восстанавливаемся, когда они дают сбой.