Senior Site Reliability Engineer

Senior Site Reliability Engineer (SRE) отвечает за обеспечение надежности, доступности, производительности и управляемости производственных систем на наших платформах, применяя практики разработки программного обеспечения к операциям, с упором на автоматизацию, наблюдаемость и реагирование на инциденты.

Обязанности: Владеть и улучшать надежность, доступность и производительность производственных сервисов в Google Cloud (GCP). Участвовать в управлении инцидентами, включая обнаружение, сортировку, смягчение последствий, эскалацию и восстановление. Использовать и улучшать рабочие процессы и инструментарий для управления инцидентами (например, ServiceNow) для обеспечения четкой ответственности и своевременной коммуникации. Разрабатывать, внедрять и эксплуатировать решения для наблюдаемости, включая мониторинг, логирование, трассировку, синтетические тесты и дашборды (например, Splunk Observability, OpenTelemetry ). Сокращать операционные издержки за счет автоматизации и инженерных решений, проактивно внедряя и продвигая лучшие практики SRE. Поддерживать дежурства по вызову в нескольких часовых поясах, способствуя устойчивой модели круглосуточной поддержки. Определять, отслеживать и отчитываться по SLI, SLO и бюджетам ошибок для критически важных сервисов. Обеспечивать и нести ответственность за лучшую в своем классе доступность сервисов посредством принципов SRE, автоматизации и проактивного инжиниринга надежности. Основные навыки и/или сертификаты: Степень бакалавра в области компьютерных наук, информационных технологий или смежной области Обширный опыт работы с облачными концепциями и технологиями, с большим предпочтением Google Cloud Platform (GCP) и Kubernetes (GKE ). Подтвержденный опыт в Site Reliability Engineering и управлении производственными инцидентами, желательно с использованием таких платформ, как ServiceNow. Опыт работы с инструментами мониторинга и наблюдаемости, включая метрики, логи, трассировки и синтетические тесты (например, Splunk Observability, OpenTelemetry) . Опыт в области тестирования надежности, инжиниринга устойчивости или инициатив по оптимизации затрат. Отличные аналитические навыки и навыки решения проблем, с возможностью быстро диагностировать сложные производственные проблемы. Опыт разработки программного обеспечения или автоматизации с использованием Python, shell scripts или аналогичных языков . Практический опыт эксплуатации производственной облачной инфраструктуры в больших масштабах. Опыт управления многорегиональными производственными системами с высокой доступностью, с акцентом на масштабируемость, устойчивость и минимизацию сбоев обслуживания во время отказов. Владение пакетом Microsoft Office. Демонстрировать ответственный подход ко всему, что вы делаете; быть решателем проблем, любознательным и вдохновленным действовать, проактивным, искать способы сотрудничать и устанавливать контакты с людьми и командами для достижения успеха. Непрерывный рост, учиться через социальный опыт и отношения с заинтересованными сторонами, экспертами, коллегами и наставниками, а также расширять свои компетенции посредством структурных курсов и программ.