DevOps Engineer Kafka & PostgreSQL

Мы ищем опытного DevOps Engineer, который возьмёт на себя ответственность за развёртывание, релизы и надёжность платформы k0rdent-ai — нашей мультиарендной (multi-tenant) управляющей плоскости (control plane) для корпоративной GPU-инфраструктуры. Основные сервисы платформы — идентификация (Keycloak), API-шлюз (Kong), движок рабочих процессов (Temporal), набор API на Go и базы данных PostgreSQL, стоящие за ними, — работают в каждом кластере control plane и в каждом региональном кластере, которые мы эксплуатируем. Их необходимо безопасно обновлять, непрерывно наблюдать за ними и быстро восстанавливать.

• Эксплуатация Kubernetes в нескольких средах: развёртывание, обновление и эксплуатация кластеров Kubernetes под управлением k0s / k0rdent в AWS и на bare-metal оборудовании, в глобальной control plane и нескольких регионах — жизненный цикл кластеров, обслуживание узлов, планирование ёмкости и обновления версий.
• Helm и доставка сервисов: разработка и поддержка Helm-чартов, а также k0rdent ServiceTemplates и MultiClusterServices для основных сервисов (Keycloak, Kong, Temporal, CloudNativePG и собственные API на Go), включая порядок зависимостей, проверки работоспособности (health gating), версионирование и пути обновления без простоя.
• Инженерия хранилищ и снапшотов: проектирование и эксплуатация хранилища Kubernetes для каждой среды — AWS EBS CSI в облаке; OpenEBS LocalPV, Longhorn или Ceph на bare metal — включая StorageClasses, политики освобождения (reclaim policies), CSI snapshot controller и VolumeSnapshotClasses, чтобы снапшоты и восстановление stateful-сервисов были надёжными.
• Резервное копирование и восстановление баз данных: сквозная эксплуатация резервного копирования и восстановления CloudNativePG — плановые снапшоты томов, непрерывная архивация WAL в объектное хранилище, восстановление на момент времени (point-in-time recovery) и реплика-кластеры — с определёнными целевыми показателями RPO/RTO и регулярными учениями по восстановлению.
• CI/CD и сквозное тестирование: создание и поддержка пайплайнов GitHub Actions для линтинга, модульных тестов чартов, упаковки и публикации артефактов в реестры OCI, а также для сквозных (end-to-end) bare-metal сред по запросу; обеспечение их быстроты, надёжности и удобства отладки.
• GitOps и Infrastructure as Code: поддержка строго декларативной культуры infrastructure-as-code (IaC) с использованием Terraform и Argo CD (или Flux), чтобы каждая среда — от лабораторий разработчиков до production — была воспроизводимой и проверяемой через код.
• Observability и реагирование на инциденты: создание мониторинга и алертинга (Prometheus, Grafana, OpenTelemetry) для работоспособности сервисов, статуса репликации и резервного копирования баз данных, а также ёмкости; участие в дежурствах (on-call), руководство диагностикой и проведение улучшений после инцидентов.
• Безопасность и доставка в изолированные (air-gapped) среды: управление TLS и жизненным циклом сертификатов (cert-manager), секретами, сетевыми политиками и RBAC по принципу наименьших привилегий, а также поддержка установок с приватными реестрами и в air-gapped средах для суверенных клиентов.

• Опыт работы с платформами: 8+ лет в DevOps, SRE или platform engineering, включая 3+ года эксплуатации production Kubernetes для критически важных для бизнеса сервисов.
• Глубокое знание Kubernetes: уверенное понимание примитивов Kubernetes — рабочих нагрузок и StatefulSets, операторов и CRDs, постоянных томов и хранилища CSI, RBAC и сетевых политик — а также практический опыт обновления и устранения неполадок кластеров в production.
• Helm и release engineering: практический опыт разработки нетривиальных Helm-чартов — шаблонизация, проектирование values, зависимости чартов и тестирование с помощью helm-unittest или chart-testing. Опыт работы с k0rdent, Cluster API или инструментом мультикластерной доставки (Argo CD ApplicationSets, Fleet, Sveltos) приветствуется, но важна глубина знаний Helm, а не конкретный инструмент доставки.
• Хранилище Kubernetes: практический опыт работы с драйверами CSI, StorageClasses и снапшотами томов — предпочтителен AWS EBS CSI, но равноценный опыт с Longhorn, Ceph (Rook), OpenEBS или другим облачным драйвером CSI также подходит. Важно понимать, как ведёт себя хранилище при отказе подов, узлов и кластеров.
• PostgreSQL в Kubernetes: практический опыт эксплуатации PostgreSQL через оператор Kubernetes — предпочтителен CloudNativePG (CNPG), но подойдут также postgres-operator от Zalando, Crunchy PGO или сопоставимый оператор — включая резервное копирование, восстановление и point-in-time recovery.
• Облачная инфраструктура: production-опыт работы с AWS (EC2, EBS, VPC, IAM, S3; EKS — плюс); равноценный опыт работы с GCP или Azure также засчитывается.
• CI/CD и автоматизация: проектирование и поддержка пайплайнов GitHub Actions (или GitLab CI), уверенное написание скриптов на Bash, а также на Python или Go (Golang).
• Взаимодействие: чёткий письменный и разговорный английский и комфортная работа в разных часовых поясах с регулярным пересечением по времени с командами из США и Европы.

Степень бакалавра в области Computer Science & Engineering (или смежной области) либо 8+ лет эквивалентного релевантного опыта.

• Опыт работы с bare-metal провижинингом (Metal3, Ironic, PXE) и GPU- или AI-инфраструктурой.
• Знакомство с Kong Gateway или Kubernetes Gateway API, а также с интеграцией идентификации Keycloak / OIDC.
• Опыт эксплуатации Temporal или других движков рабочих процессов в production.
• Опыт доставки программного обеспечения в air-gapped или суверенные среды с использованием приватных реестров и зеркалированных артефактов.
• Опыт проектирования межрегионального аварийного восстановления (disaster recovery) для stateful-сервисов, включая принятие решений о компромиссах по RPO/RTO.
• Сертификации, такие как CKA / CKS или AWS Certified DevOps Engineer – Professional, — плюс.
• Вклад в open-source инфраструктурные проекты (Helm-чарты, операторы Kubernetes, проекты CNCF) — большой плюс.

• Эксплуатация одних из самых передовых сред AI-инфраструктуры, работающих сегодня в production.
• Работа с новейшими технологиями NVIDIA GPU, платформами Kubernetes и высокопроизводительными сетевыми средами.
• Возможность участвовать в определении операционных стандартов и практик обеспечения надёжности для AI-инфраструктурных сервисов следующего поколения.
• Влияние на внедрение операционных возможностей на основе AI через k0rdent AI.
• Работа рядом с высококвалифицированными инженерами, решающими сложные задачи инфраструктуры и платформ в больших масштабах.
• Присоединение к растущей организации, которая активно инвестирует в AI-инфраструктуру, платформенные сервисы и операционные инновации.