Senior Site Reliability Engineer (SRE) – Kubernetes

Мы — команда AI Experience Framework, которая создаёт платформу для AI-first пользовательских интерфейсов ServiceNow: SSR-среду выполнения (karuna), построенную на Lit и серверно рендерящихся веб-компонентах, работающую за многоуровневой цепочкой маршрутизации proxy/HTTP2 с шардированными пулами изолятов V8, в паре с платформенным слоем ServiceNow Glide/Java (karuna-glide), который поставляет метаданные, ACL и сервисные артефакты. Эта роль отвечает за надёжность этого стека в продакшене от начала до конца: развёртывание и эксплуатацию в Kubernetes, наблюдаемость (observability) и практическое устранение неполадок как на стороне Node.js, так и на стороне JVM — это не универсальная инфраструктурная работа.

• Поддерживать развёртывание, эксплуатацию и надёжность продакшен-сервисов, работающих в Kubernetes.
• Отслеживать состояние сервисов и расследовать инциденты в продакшене в распределённых приложениях.
• Участвовать в дежурствах on-call, реагировании на инциденты, анализе первопричин, постмортемах и улучшениях надёжности.
• Устранять неполадки среды выполнения приложений, сети и взаимодействия между сервисами совместно с инженерными командами.
• Поддерживать CI/CD, развёртывания на основе GitOps, наблюдаемость и мониторинг продакшена.
• Работать в рамках бэклога, определяемого клиентом, и установленных приоритетов.

• 5+ лет опыта в Site Reliability Engineering, DevOps, Platform Engineering, Production Engineering или близкой роли, включая сильный недавний практический опыт поддержки продакшен-сервисов на базе Kubernetes.
• 3+ года практического опыта работы с Kubernetes в продакшене настоятельно предпочтительны. Эксплуатация Kubernetes в продакшене, включая развёртывание, масштабирование, rollout / rollback, настройку ресурсов и устранение неполадок во взаимодействии между сервисами
• Серьёзный опыт реагирования на инциденты в продакшене, включая on-call, runbooks, постмортемы и поддержание порядка в пейджинге (paging hygiene)
• Опыт работы со Splunk для агрегации логов, поиска и устранения неполадок в продакшене
• Опыт работы с Prometheus и Grafana, в частности создание правил алертов и дашбордов, а не только использование готовых дашбордов
• CI/CD и infrastructure-as-code для контейнеризированных развёртываний, включая Helm и GitOps-инструменты, такие как ArgoCD или Flux
• Глубокое понимание основ Linux и сетей, включая DNS, балансировку нагрузки, TCP / HTTP, HTTP/2 и сети Kubernetes
• Опыт устранения неполадок в продакшене в сервисах на Node.js и JVM/Java с глубокой экспертизой как минимум в одной среде выполнения. Опыт может включать heap snapshots Node.js, CPU-профилирование, анализ event-loop и памяти, а также анализ GC-логов JVM, thread dumps, настройку JVM и расследование задержек Java-сервисов.
• Опыт аутентификации между сервисами, включая mTLS, ротацию сертификатов, конвертацию форматов сертификатов и аутентификацию сервисов на основе JWT
• Очень хороший разговорный и письменный английский.

• Опыт работы с Web Components / Lit для первичной отладки проблем, связанных с UI
• Опыт серверного рендеринга или изоморфных сред выполнения
• Canary rollout / эксплуатация нескольких версий в продакшене
• Распределённая трассировка и корреляция контекста запросов
• KEDA или событийно-ориентированное автомасштабирование
• Опыт работы со слоями интеграции корпоративных платформ

• Гибкие и удалённые варианты сотрудничества
• Международные проекты с ведущими мировыми клиентами
• Поездки, связанные с международными проектами
• Некорпоративная атмосфера
• Доступ* к языковым курсам
• Доступ* к инициативам по обмену знаниями
• Доступ* к частной медицинской страховке и страхованию жизни
• Доступ* к карте multisport

*Наличие и условия отдельных бенефитов могут различаться в зависимости от выбранной формы сотрудничества.