Title: SRE/DevOps/Platform Engineer
Location: Shenzhen / China / Shenzhen China
Мы ищем старшего инженера по надежности сайтов (более 8 лет опыта) для обеспечения надежности, доступности, масштабируемости и операционной эффективности нашей глобальной платежной платформы. Вы будете полностью отвечать за наблюдаемость производственной среды, реагирование на инциденты, управление уровнем обслуживания и надежность облачной инфраструктуры в критически важных платежных системах, охватывающих Европу и Азию.
Ключевые обязанности
- Управление инцидентами и дежурства: Участие в ротации дежурств по принципу "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 производственной среды: Диагностика, сортировка, смягчение последствий и координация устранения сложных производственных инцидентов в платежных сервисах, платформах Kubernetes (EKS), базах данных, конвейерах Kafka и облачной инфраструктуре.
- Высокая доступность и аварийное восстановление баз данных: Полная ответственность за высокую доступность и аварийное восстановление баз данных — Aurora/RDS Multi-AZ, репликация, автоматическое резервное копирование, PITR и регулярные, документированные процедуры восстановления, чтобы восстановление никогда не зависело от одного человека.
- SLO и инженерия надежности: Определение, внедрение и поддержка SLO, SLI, бюджетов ошибок, стандартов оповещения и процессов операционной готовности для распределенных сервисов. Продвижение перехода от оповещения по количеству логов к оповещению на основе симптомов и метрик.
- Оптимизация затрат: Ответственность за экономическую эффективность AWS в нашей мультиаккаунтной среде — правильное масштабирование, покрытие Savings Plans/RI, передача данных и жизненный цикл хранения.
- Постоянная оптимизация: Обеспечение системных улучшений надежности посредством автоматизации инфраструктуры, повышения наблюдаемости, планирования мощностей, настройки производительности и анализа первопричин (RCA) после инцидентов.
- Безопасность и соответствие требованиям: Сотрудничество с глобальными инженерными командами для повышения отказоустойчивости архитектуры, безопасности и операционной зрелости в платежных средах, регулируемых PCI-DSS.
- Техническое лидерство: Наставничество инженеров, устранение операционной рутины посредством автоматизации и влияние на инженерные команды для принятия практик "resilience-by-design" (отказоустойчивость по замыслу).
Требования
Квалификация и требования
- Опыт: Более 8 лет практического опыта 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 (мультиаккаунтность, EKS), Kubernetes, Terraform, PostgreSQL, Redis, Kafka, Linux, сетей и современных платформ наблюдаемости (например, Coralogix, PagerDuty, Prometheus, Grafana).
- Высокая доступность и аварийное восстановление баз данных: Подтвержденный опыт обеспечения высокой доступности и аварийного восстановления баз данных — репликация, отказоустойчивость, 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: Глубокое знание основных принципов SRE, включая проектирование SLO/SLI, управление бюджетами ошибок, управление оповещениями и сокращение рутины.
- Местоположение и коммуникация: Проживание в Гонконге или Шэньчжэне. Отличное владение английским языком (письменным и устным) для руководства кросс-функциональным реагированием на инциденты и беспрепятственного взаимодействия с глобальными командами; знание мандаринского языка необходимо для местного сотрудничества.
Желательно
- Опыт работы в платежной, банковской, финтех-сфере или других строго регулируемых средах с жесткими стандартами PCI-DSS, безопасности и доступности.
- Опыт работы с операциями, поддерживаемыми ИИ (AI agents для диагностики инцидентов, автоматизация runbook).
Лидерство и операционная эффективность
- Ответственность: Демонстрация сильной комплексной подотчетности за надежность сервиса и влияние на клиента под высоким давлением.
- Структурированное решение проблем: Применение систематического и основанного на данных подхода к устранению неисправностей, анализу телеметрии и разрешению инцидентов в сложных распределенных средах.
- Управление кризисами: Подтвержденная способность руководить кросс-функциональными действиями по реагированию на инциденты, согласовывать интересы заинтересованных сторон и поддерживать четкую коммуникацию во время критических сбоев.
- Культура инженерии: Продвижение культуры "blameless post-incident" (без обвинений после инцидента), операционной готовности, непрерывного обучения и технического наставничества.
Преимущества
- Конкурентоспособный пакет
- Динамичная и инновационная команда
- Коллаборативная, инклюзивная рабочая среда, где ваши вклады признаются
