Senior Site Reliability Engineer (SRE)

Название: Cloud Native Data Ops Местоположение: Медина / Саудовская Аравия / Медина, Саудовская Аравия

Мы ищем старшего инженера по надежности площадки (SRE), который поможет в проектировании, масштабировании и обеспечении безопасности нашей быстрорастущей инфраструктуры платформы. Вы будете работать со всеми критически важными системами — от клиентских приложений и API до внутренних платформ и служб данных — обеспечивая доступность, производительность и экономическую эффективность в масштабе. Вы будете активно использовать Kubernetes, observability, GitOps, автоматизацию и облачную инфраструктуру, тесно сотрудничая с командами разработки приложений, платформ и данных для создания высоконадежной и самовосстанавливающейся среды. Эта роль идеально подходит для инженера, который любит сложные распределенные системы, автоматизирует все подряд и умеет находить баланс между скоростью, стабильностью и экономической эффективностью в продакшене. Степень бакалавра в области компьютерных наук, инженерии или смежной области — или эквивалентный опыт работы. Проектирование, развертывание, мониторинг и обслуживание рабочих нагрузок в продакшене в кластерах Kubernetes (EKS/AKS/GKE). Создание самовосстанавливающихся, автоматически масштабируемых систем, минимизирующих ручное вмешательство и обеспечивающих бесперебойную работу. Проектирование и эксплуатация надежных платформ баз данных и хранения данных (SQL, NoSQL и объектных хранилищ) в средах Kubernetes. Внедрение стратегий резервного копирования, аварийного восстановления, репликации и отработки отказа для достижения целевых показателей RPO/RTO. Устранение неполадок и восстановление постоянных томов Kubernetes (StorageClasses, CSI драйверы, проблемы PVC). Оптимизация производительности и стоимости хранения с помощью многоуровневых стратегий, разделения горячих/холодных данных и политик жизненного цикла S3/выгрузки. Обеспечение безопасности и масштабирование платформ объектного хранения (например, MinIO/совместимые с S3) для конвейеров обработки данных с высокой пропускной способностью. Управление блочными хранилищами (EBS/io2/gp3) и общими файловыми системами (EFS, NFS) для обеспечения отказоустойчивости и баланса затрат. Сотрудничество с командами для оптимизации сетевых соединений, управления входящим/исходящим трафиком и service mesh для безопасной связи. Надежность платформы и инфраструктуры Проектирование, развертывание, мониторинг и обслуживание рабочих нагрузок в продакшене в кластерах Kubernetes (EKS/AKS/GKE). Создание самовосстанавливающихся, автоматически масштабируемых систем, минимизирующих ручной труд и ручное вмешательство. Оптимизация сетевых соединений, управления входящим/исходящим трафиком и service mesh для безопасной и производительной связи. Проектирование и эксплуатация надежных платформ баз данных и хранения данных (SQL, NoSQL и объектных хранилищ) в средах Kubernetes. Ответственность за стратегии резервного копирования, аварийного восстановления, репликации и отработки отказа для достижения целевых показателей RPO/RTO для критически важных служб данных. Оптимизация производительности и стоимости хранения с помощью многоуровневых стратегий, разделения горячих/холодных данных и политик жизненного цикла S3/выгрузки. Уверенное устранение неполадок и восстановление постоянных томов Kubernetes во время инцидентов (StorageClasses, CSI драйверы, проблемы PVC). Обеспечение безопасности и масштабирование платформ объектного хранения (например, MinIO/совместимые с S3) и интеграция с рабочими нагрузками для конвейеров обработки данных с высокой пропускной способностью. Работа с блочными хранилищами (EBS/io2/gp3) и общими файловыми системами (EFS, NFS) для баланса производительности, отказоустойчивости и стоимости. Автоматизация и доставка Продвижение лучших практик GitOps и CI/CD (ArgoCD, Flux, GitHub Actions). Создание автоматизации для подготовки инфраструктуры и обновлений с использованием Terraform, Helm и Kubernetes Operators. Снижение рисков выпуска с помощью стратегий прогрессивной доставки (blue/green, canary, постепенные обновления экземпляров spot). Observability и реагирование на инциденты Ответственность за стек мониторинга и оповещения (Prometheus, Grafana, Loki, VictoriaMetrics, OpenSearch). Руководство процессом управления инцидентами и постмортемами для предотвращения их повторения. Обеспечение видимости в реальном времени показателей работоспособности, производительности и стоимости системы. Безопасность и соответствие требованиям Внедрение политик IAM с минимальными привилегиями, безопасной связи между службами и сетевых ACL/брандмауэров. Обеспечение RBAC Kubernetes, управления секретами и безопасной цепочки поставок образов. Участие в подготовке к аудитам и обеспечении соответствия требованиям. Оптимизация производительности и затрат Анализ и настройка производительности системы при масштабировании (CPU/память/IO). Партнерство с командами продуктов и платформ для правильного подбора размера кластеров, баз данных и уровней хранения. Внедрение панелей мониторинга видимости затрат для руководства инженерным отделом. Предпочтительные квалификации Опыт управления критически важными системами в масштабе (высокий трафик, мультирегиональность). Доказанная оптимизация затрат в облачных средах/средах K8s. Знакомство с service mesh (Istio, Linkerd) или продвинутым управлением сетью/исходящим трафиком. Опыт работы с компонентами платформы данных (Airflow, Debezium, ClickHouse и т. д.) является плюсом, но не обязателен. Сильные коммуникативные навыки и умение работать в команде — способность к сотрудничеству с командами разработки, DevOps, безопасности и продуктовыми командами. Требования 8+ лет опыта работы на должностях SRE / DevOps / Infrastructure Engineering. Глубокие знания Kubernetes (мультикластерность, разработка Helm-чартов, продвинутые сетевые технологии). Сильные рабочие процессы GitOps с использованием ArgoCD/Flux. Опыт работы с AWS (предпочтительно) или Azure/GCP, а также Infrastructure-as-Code (Terraform, Pulumi, CloudFormation). Продвинутые знания SQL и NoSQL баз данных (MySQL/Aurora, PostgreSQL, MongoDB, Redis). Навыки написания скриптов/автоматизации на Python, Bash или Go. Прочный опыт в области мониторинга/observability (Prometheus, Grafana, Loki, ELK/Opensearch, VictoriaMetrics). Опыт работы с CI/CD в масштабе и управление инцидентами в продакшене. Опыт работы с потоковыми/обменными сообщениями (Kafka, RabbitMQ или аналогичные). Преимущества Комплексные программы обучения и развития. Бонусные вознаграждения, основанные на результатах работы. Гибкие возможности удаленной работы.