Мы ищем Старшего инженера по надежности сайтов (Senior Site Reliability Engineer) для повышения надежности, масштабируемости и безопасности нашей облачной инфраструктуры. Вы будете тесно сотрудничать с инженерными командами для эксплуатации производственных сервисов, автоматизации управления инфраструктурой и улучшения наблюдаемости и реагирования на инциденты.
Основные обязанности
- Проектирование, эксплуатация и улучшение инфраструктуры на Google Cloud Platform, включая Compute Engine, Google Kubernetes Engine (GKE), Cloud Storage, Cloud SQL, Redis и VPC networking.
- Определение и внедрение мер по экономии затрат на облачные ресурсы путем правильного подбора ресурсов, автоматического масштабирования, скидок за зарезервированные мощности, политик жизненного цикла хранилищ и удаления неиспользуемых ресурсов при сохранении надежности и производительности сервисов.
- Управление инфраструктурой как кодом с использованием Terraform и Ansible, с акцентом на повторяемость, поддерживаемость и безопасные изменения.
- Разработка и поддержка рабочих процессов CI/CD и GitOps с использованием GitLab и Argo CD.
- Эксплуатация кластеров Kubernetes и поддержка развертывания приложений, устранение неполадок, планирование мощностей и обновления.
- Управление секретами и политиками доступа с использованием HashiCorp Vault.
- Поддержка и устранение неполадок Kafka и RabbitMQ, обеспечение надежной доставки и обработки сообщений.
- Улучшение централизованного логирования с использованием OpenSearch, Logstash и Fluent Bit.
- Создание действенных систем мониторинга, панелей управления и оповещений с использованием VictoriaMetrics, Grafana и PagerDuty.
- Определение индикаторов и целей уровня обслуживания (SLI/SLO) с инженерными командами и использование бюджетов ошибок для руководства улучшениями надежности.
- Участие в дежурствах по вызову, руководство реагированием на инциденты и проведение последующих действий посредством постмортемов без поиска виновных.
- Администрирование и устранение неполадок систем Linux на базе Red Hat, включая производительность, сетевые возможности и безопасность.
- Управление конфигурациями CDN и DNS с использованием Akamai и EdgeNext.
- Разработка и проверка процедур резервного копирования, восстановления и аварийного восстановления.
- Сокращение операционной рутины путем автоматизации, четких руководств (runbooks) и улучшений инструментов платформы.
Требования
- Обширный производственный опыт в SRE, инженерии платформ или инженерии инфраструктуры, с ответственностью за критически важные для бизнеса сервисы.
- Практический опыт эксплуатации инфраструктуры GCP и рабочих нагрузок Kubernetes. Опыт анализа облачных расходов, выявления возможностей оптимизации затрат и измерения влияния внедренных улучшений.
- Уверенное владение Terraform и Ansible для предоставления инфраструктуры и управления конфигурацией.
- Опыт создания и поддержки конвейеров CI/CD и рабочих процессов развертывания GitOps.
- Прочные навыки администрирования и устранения неполадок Linux, особенно дистрибутивов на базе Red Hat.
- Глубокое понимание сетевых технологий, включая TCP/IP, DNS, HTTP/S, TLS, балансировку нагрузки и облачные сети.
- Опыт работы с системами мониторинга, логирования, оповещения и реагирования на производственные инциденты.
- Практический опыт эксплуатации систем обмена сообщениями, таких как Kafka или RabbitMQ.
- Опыт управления секретами и безопасного доступа к инфраструктуре.
- Способность писать скрипты и инструменты автоматизации на Bash и как минимум на одном языке программирования, таком как Python или Go.
- Способность расследовать сложные сбои на границах инфраструктуры и приложений.
- Сильные коммуникативные навыки, чувство ответственности и способность обучать инженеров и сотрудничать с другими командами.
- Опыт использования инструментов на базе ИИ для повышения продуктивности инженеров, ускорения устранения неполадок и поддержки написания скриптов, автоматизации и документации, при этом критически проверяя результаты и защищая конфиденциальные данные.
Наш технологический стек
- Облако: GCP — Compute Engine, GKE, Cloud Storage, Cloud SQL, Redis, VPC
- Инфраструктура как код: Terraform, Ansible
- CI/CD & GitOps: GitLab, Argo CD
- Управление секретами: HashiCorp Vault
- Обмен сообщениями: Kafka, RabbitMQ
- Логирование: OpenSearch, Logstash, Fluent Bit
- Мониторинг и оповещение: VictoriaMetrics, Grafana, PagerDuty
- Операционные системы: дистрибутивы Linux на базе Red Hat
- CDN & DNS: Akamai, EdgeNext
