Platform Engineer (remote work)

Мы ищем Platform Engineer для команды PaaS, который возьмёт на себя ответственность за согласованный набор платформенных сервисов: поддерживать их надёжными и в рамках согласованных уровней сервиса, делать изменения и восстановление воспроизводимыми, а также сокращать повторяющуюся операционную работу с помощью автоматизации и самообслуживания.

Вы получаете реальную свободу в реализации решений и отвечаете за результат: выбираете подход, защищаете его в ревью и отвечаете за поведение сервиса после внедрения.

Большая часть работы — это то, что обычно называют site reliability engineering: сервисы, которые работают стабильно день за днём, и запросы от продуктовых команд, обработанные корректно. Часть работы — построение. Платформа наблюдаемости и кластер раннеров были созданы с нуля в течение последнего года, и будет ещё больше. Ожидайте, что работа будет делиться между платформенной инженерией, реагированием на инциденты и помощью инженерам из других команд использовать то, что мы поддерживаем.

• Управлять платформой наблюдаемости. Поддерживать её в здоровом состоянии, подключать команды, следить за затратами и ёмкостью, а также поддерживать систему оповещений, работающую поверх неё.
• Управлять GitLab и парком CI‑раннеров. Обновления, масштабирование, доступ, резервные копии и отработку восстановления.
• Поддерживать остальные наши сервисы в здоровом состоянии, обеспечивая мониторинг и runbooks, необходимые для production‑сервиса.
• Развёртывать новые сервисы по запросу. Исследовать варианты, выбрать дизайн и построить сервис с нуля согласно лучшим практикам: как код, с мониторингом, резервным копированием, документацией.
• Работать с запросами разработчиков. Доступ, onboarding, проблемы с pipeline, новые экспортеры и дашборды. Отвечать на них и превращать повторяющиеся запросы в самообслуживание.
• Управлять инцидентами. Диагностировать и смягчать влияние, безопасно восстанавливать сервис, затем завершать анализ первопричины и post‑mortem. Предоставлять улучшения по предотвращению или обнаружению, которые требует инцидент.
• Всё доставлять как код, проверяемый в merge‑request‑ах. Планировать и проверять перед каждым изменением.
• Писать для инженеров вне команды. Runbooks, руководства по onboarding, уведомления о обслуживании и статусные обновления, которые люди могут использовать.
• Работать с AI‑агентами. Делегировать им сбор и черновики, проверять их вывод так же, как проверяете merge‑request коллеги, и фиксировать полученные знания там, где команда может их найти.

• Опыт уровня senior в инфраструктуре, платформе или site reliability engineering, включая как минимум один production‑сервис, за который вы отвечали. Мы попросим вас подробно рассказать о нём: что сломалось, как вы это обнаружили и какие изменения внесли, чтобы это не повторилось.
• Администрирование Linux‑систем и отладка на bare metal и виртуальных машинах. Большая часть нашей инфраструктуры не использует Kubernetes.
• Kubernetes в production, реализованный через GitOps, включая обновления кластера, которые вы выполняли самостоятельно.
• Инфраструктура как код как форма доставки: Ansible и Terraform или OpenTofu, изменения проверяются в merge‑request‑ах.
• Администрирование GitLab и GitLab CI в production, self‑hosted или SaaS. Глубокий опыт с другой CI‑системой также приемлем, если вы можете продемонстрировать такой же уровень знаний.
• Практические знания экосистемы Prometheus и Grafana: вы использовали её для команды, писали правила оповещений и дашборды, умеете читать PromQL. Глубина здесь приветствуется и может быть изучена.
• Техническое письменное объяснение для инженеров вне вашей команды: runbooks, уведомления, ответы на запросы.
• Сильные коммуникативные и межличностные навыки. Эта роль требует работы с людьми не менее, чем с серверами: большинство задач начинается как разговор с продуктовой командой, и вам нужно понять их реальные потребности, согласовать объём, приоритет и сроки, вежливо отклонять запросы, которые нецелесообразны, и держать всех в курсе, пока работа идёт. Мы ищем человека, с которым другие команды любят работать.
• Продвинутый опыт использования AI‑инженерных помощников, таких как Claude и Codex: предоставление контекста, разбивка задач, проектирование циклов агентов и делегирование планов для автономного, сквозного выполнения в рамках определённого объёма и прав, с чёткими условиями остановки. Вы можете объяснить, отладить и протестировать полученную автоматизацию, а также проверить сгенерированные команды, скрипты и выводы перед их применением в production.
• Английский — upper‑intermediate или выше — для обеспечения ясной коммуникации прогресса внутри команд.

• Проектирование оповещений: SLO, оповещения о burn‑rate, пороги, рассчитанные на основе данных.
• Изоляция MicroVM для CI: Kata Containers, Firecracker или gVisor.
• Операции с объектным хранилищем, совместимым с S3: Ceph RGW или аналог.
• AWS с реальной работой по затратам.
• Self‑hosted Sentry или другой сервис на базе Kafka, ClickHouse и Redis, который вы поддерживали под нагрузкой.
• Python или Go для экспортеров и небольших внутренних сервисов.

• Ориентация на профессиональное развитие.
• Интересные и сложные проекты.
• Полностью удалённая работа с гибким графиком, позволяющая планировать ваш день и работать из любой точки мира.
• Оплачиваемый отпуск 24 дня в год, 10 дней национальных праздников и неограниченное количество больничных.
• Компенсация частной медицинской страховки.
• Возмещение расходов на коворкинг и спорт/тренажёрный зал.
• Бюджет на образование.
• Возможность получить награду за самую инновационную идею, которую компания сможет запатентовать.