Senior Site Reliability Engineer

Title: SRE/DevOps/Platform Engineer Location: Hong Kong / Hong Kong Hong Kong

Мы ищем старшего инженера по надежности сайтов (Senior Site Reliability Engineer) с опытом работы более 8 лет, который будет обеспечивать надежность, доступность, масштабируемость и операционную эффективность нашей глобальной платежной платформы. Вы будете нести полную ответственность за наблюдаемость продакшена, реагирование на инциденты, управление уровнем обслуживания и надежность облачной инфраструктуры критически важных платежных систем, охватывающих Европу и Азию.

Основные обязанности

Управление инцидентами и дежурства: Участие в посменном дежурстве по ротации (follow-the-sun) в качестве старшего специалиста по реагированию на инциденты. Руководство процессом управления инцидентами во время событий SEV1/SEV2 для оптимизации MTTR и операционной эффективности.

Эксплуатация продакшена: Диагностика, сортировка, устранение и координация решения сложных производственных инцидентов в платежных сервисах, на платформах Kubernetes (EKS), в базах данных, пайплайнах Kafka и облачной инфраструктуре.

Высокая доступность и аварийное восстановление баз данных: Полная ответственность за обеспечение высокой доступности и аварийного восстановления баз данных — Aurora/RDS Multi-AZ, репликация, автоматическое резервное копирование, PITR и регулярные документированные учения по восстановлению, чтобы процесс восстановления никогда не зависел от одного человека.

SLO и инженерия надежности: Определение, внедрение и поддержка SLO, SLI, бюджетов ошибок, стандартов оповещения и процессов операционной готовности для распределенных систем. Продвижение перехода от оповещений по количеству логов к оповещениям, основанным на симптомах и метриках.

Оптимизация затрат: Обеспечение экономической эффективности использования AWS в нашей многоаккаунтной среде — правильный подбор размеров инстансов, покрытие Savings Plans/RI, передача данных и жизненный цикл хранения.

Непрерывная оптимизация: Обеспечение системных улучшений надежности посредством автоматизации инфраструктуры, повышения наблюдаемости, планирования мощностей, настройки производительности и анализа первопричин (RCA) после инцидентов.

Безопасность и соответствие требованиям: Взаимодействие с глобальными командами инженеров для укрепления архитектурной устойчивости, безопасности и операционной зрелости в платежных средах, регулируемых PCI-DSS.

Техническое лидерство: Наставничество инженеров, устранение рутинной операционной работы посредством автоматизации и влияние на инженерные команды для внедрения практик обеспечения устойчивости (resilience-by-design).

Требования

Квалификация и требования

Опыт: Более 8 лет практического опыта работы в области Site Reliability Engineering, Platform Engineering, DevOps или Cloud Infrastructure, связанного с поддержкой высокодоступных, критически важных производственных систем.

Основной технический стек: Глубокие знания AWS (multi-account, EKS), Kubernetes, Terraform, PostgreSQL, Redis, Kafka, Linux, сетевых технологий и современных платформ наблюдаемости (например, Coralogix, PagerDuty, Prometheus, Grafana).

Высокая доступность и аварийное восстановление баз данных: Подтвержденный опыт работы с высокой доступностью и аварийным восстановлением баз данных — репликация, отработка отказа, стратегии резервного копирования и практические операции по восстановлению.

Мастерство в распределенных системах: Глубокое понимание архитектуры распределенных систем, высокой доступности, аварийного восстановления, планирования мощностей и оркестрации микросервисов.

Методология SRE: Глубокие знания основных принципов SRE, включая проектирование SLO/SLI, управление бюджетами ошибок, управление оповещениями и сокращение рутинной работы.

Местоположение и коммуникации: Базирование в Гонконге или Шэньчжэне. Свободное владение английским языком (письменно и устно) для руководства межфункциональным реагированием на инциденты и беспрепятственного взаимодействия с глобальными командами; знание мандаринского языка требуется для местного взаимодействия.

Желательно

Опыт работы в платежной, банковской, финтех-индустрии или других строго регулируемых средах с жесткими стандартами PCI-DSS, безопасности и времени безотказной работы.

Опыт работы с операциями, управляемыми ИИ (AI agents для диагностики инцидентов, автоматизация runbook).

Лидерство и операционное совершенство

Ответственность: Демонстрация сильной всесторонней ответственности за надежность сервиса и влияние на клиента под высоким давлением.

Структурированное решение проблем: Применение систематического и основанного на данных подхода к устранению неполадок, анализу телеметрии и разрешению инцидентов в сложных распределенных средах.

Управление кризисами: Подтвержденная способность руководить межфункциональными действиями по реагированию на инциденты, согласовывать интересы заинтересованных сторон и поддерживать четкую коммуникацию во время критических сбоев.

Инженерная культура: Продвижение культуры пост-инцидентного анализа без обвинений, операционной готовности, непрерывного обучения и технического наставничества.

Преимущества

Конкурентоспособный пакет

Динамичная и инновационная команда

Совместная, инклюзивная рабочая среда, где ваш вклад признается