Senior Reliability Engineer

Мы ищем Reliability Engineer, который поможет повысить надёжность, наблюдаемость и операционную стабильность наших сервисов.

На этой позиции вы будете тесно взаимодействовать с инженерными командами: расследовать инциденты в продакшене, внедрять улучшения, направленные на повышение надёжности, развивать практики мониторинга и наблюдаемости, а также снижать операционные риски на уровне всей платформы.

Задачи:

• Расследовать инциденты в продакшене и сопровождать их до полного устранения всех последствий.
• Проводить анализ первопричин (RCA) и участвовать в разборе инцидентов вместе с инженерными и продуктовыми командами.
• Контролировать выполнение корректирующих действий по итогам инцидентов и постмортемов.
• Развивать и улучшать мониторинг, алертинг и наблюдаемость закреплённых сервисов.
• Определять и поддерживать SLI/SLO, анализировать метрики надёжности и контролировать целевые показатели состояния сервисов.
• Отвечать за соблюдение SLA закреплённых frontend- и backend-сервисов.
• Совместно с инженерными командами и владельцами продуктов определять и внедрять требования к доступности на уровне сервисов.
• Выявлять пробелы в мониторинге и наблюдаемости и внедрять улучшения, сокращающие время обнаружения и устранения проблем.
• Разрабатывать и поддерживать runbook’и, инструкции по диагностике и процедуры восстановления сервисов.
• Участвовать в проверке инцидентов и разборе эскалаций.
• Анализировать производительность сервисов, использование ресурсов и риски, связанные с нехваткой мощностей.
• Автоматизировать диагностику, реагирование на инциденты и операционные процессы.

Требования:

• Опыт работы в роли SRE/Reliability Engineer.
• Практический опыт расследования инцидентов в продакшене и проведения анализа первопричин.
• Глубокое понимание принципов мониторинга, алертинга и наблюдаемости.
• Опыт работы с метриками, логами и системами распределённой трассировки.
• Знание концепций SLA, SLI, SLO и бюджетов ошибок.
• Опыт создания и поддержки операционной документации и runbook’ов.
• Сильные аналитические навыки и умение доводить расследования до конкретных практических результатов.
• Понимание принципов работы распределённых и высоконагруженных систем.
• Опыт автоматизации операционных и повторяющихся задач.

Будет плюсом:

• Сертификация CKA (Certified Kubernetes Administrator) и/или CKAD (Certified Kubernetes Application Developer).
• Опыт работы с Prometheus, Grafana, OpenTelemetry или аналогичными платформами наблюдаемости.
• Опыт внедрения практик надёжности в инженерных организациях.
• Опыт работы с процессами управления инцидентами и проблемами.
• Понимание концепции Google Four Golden Signals.

Мы готовы предложить:

• Гибридный формат работы.
• Помощь с релокацией в Грузию.
• Возможность работать с масштабными высоконагруженными системами, которыми пользуются миллионы пользователей по всему миру.
• Возможности профессионального развития в области reliability engineering и эксплуатации продакшен-систем.
• Конкурентная зарплата, оформление по ТК Грузии.
• ДМС, компенсация больничного 100%.
• Гибкий график и сбалансированная нагрузка.
• Компенсация питания, кофе и снеки в офисе.
• Командные мероприятия, корпоративы, спорт и тимбилдинги за счёт компании.