Site Reliability Engineer (SRE)

В качестве Site Reliability Engineer (SRE) в Unlimit вы будете обеспечивать надёжность, масштабируемость и производительность нашей основной платформы и сервисов. Вы будете тесно сотрудничать с Engineering и другими заинтересованными сторонами для проектирования, построения и эксплуатации облачной инфраструктуры и распределённых систем — постоянно улучшая автоматизацию, наблюдаемость и реагирование на инциденты.

• Надёжность и эксплуатация платформы:

• Обеспечение доступности, устойчивости и производительности платформы и сопутствующих сервисов.

• Владение и улучшение управления инцидентами, включая диагностику, эскалацию и последующие действия в соответствии с SLA.

• Участие в дежурстве on‑call, поддержка производственных систем и повышение надёжности на основе реальных инцидентов.

• Инженерия инфраструктуры (Linux / Cloud / Kubernetes):

• Проектирование, развертывание, конфигурация и управление Linux‑ориентированной системной архитектурой в разных средах.

• Создание и поддержка реализаций платформы с использованием AWS и других облачных технологий (вычислительные сервисы и сопутствующая инфраструктура).

• Проектирование и внедрение крупных и сложных технологических проектов от начального дизайна до выпуска в продакшн и передачи в эксплуатацию.

• Поддержка и обслуживание workloads на базе Kubernetes и компонентов платформы.

• Автоматизация и Infrastructure as Code:

• Создание инструментов и решений для автоматизации повторяющихся операционных задач.

• Использование Infrastructure as Code (IaC) для стандартизации и масштабирования: Terraform для provisioning, Ansible для управления конфигурацией и автоматизации.

• Повышение надёжности за счёт сокращения ручных шагов и обеспечения повторяемости развертываний.

• CI/CD и поддержка разработчиков:

• Управление и поддержка CI/CD‑конвейеров более чем в 20 репозиториях, охватывающих несколько технологических стеков.

• Сотрудничество с Engineering‑командами для улучшения согласованности сборок/релизов, надёжности конвейеров и безопасности развертываний.

• Наблюдаемость и готовность к эксплуатации:

• Внедрение и улучшение мониторинга, логирования и оповещений с использованием таких инструментов, как: Prometheus, Grafana, Zabbix, Splunk, PagerDuty (или аналогичные средства оповещения/реагирования на инциденты).

• Использование метрик и выводов из инцидентов для снижения шума, улучшения сигнала и сокращения времени обнаружения/восстановления.

• Документация и стандарты:

• Создание чёткой формальной документации, включая: стандарты конфигурации, руководства по устранению неполадок, документацию по инфраструктуре и архитектурному дизайну.

• Вклад во внутренние стандарты, повышающие согласованность, безопасность и операционную зрелость.

• Более 5 лет практического опыта администрирования / инженерии Linux‑систем в производственных средах.

• Глубокие знания следующих (или эквивалентных) технологий: Linux, Kubernetes, GitLab, Terraform, Ansible.

• Опыт работы в Agile (Scrum) командах.

• Опыт работы с AWS (вычислительные сервисы) и/или Google Cloud Platform.

• Доказанный опыт проектирования, поддержки и диагностики распределённых систем.

• Сильные навыки скриптинга/программирования как минимум в одном из: Python, Golang, bash.

• Опыт работы с инструментами наблюдаемости и реагирования на инциденты, такими как: Zabbix, Splunk, Prometheus, Grafana, PagerDuty.

• Отличные коммуникативные навыки на английском, способность эффективно взаимодействовать с клиентами, поставщиками, партнёрами и внутренними командами разных уровней.

• Знание (ожидаемая знакомость) хранилищ данных и систем обмена сообщениями, таких как: PostgreSQL, MongoDB, RabbitMQ, а также компонентов веб/приложенческой инфраструктуры, таких как: Apache, Nginx.

• Демонстрируемая способность быстро обучаться, работать самостоятельно, принимать обоснованные решения и сотрудничать в команде в быстро меняющихся условиях.

• Сильный AI‑ориентированный менталитет и интерес к новым AI‑технологиям.

• Практический опыт использования AI‑инструментов (например, LLM, фреймворки автоматизации, AI‑ассистированные инструменты разработки) для повышения продуктивности или производительности систем.

• Опыт эксплуатации высокодоступных, высокообъёмных веб‑сервисов.

• Сильная инициатива и самостоятельность при минимальном контроле.

• Доказанный успех в снижении операционной нагрузки через автоматизацию и улучшение инструментов.

• Опыт улучшения SLO/SLI, error budget или формальных практик надёжности (если применимо к вашему опыту).

Присоединяйтесь к команде Unlimit сейчас!