Ведущий инженер DevOps
Описание
Чем предстоит заниматься: Отвечать за надёжность и стабильную работу закреплённых ключевых сервисов облачной платформы в production. Глубоко разбираться в устройстве сервисов, их компонентах, зависимостях и сценариях отказа. Участвовать в выводе новых сервисов и версий в production, обеспечивать безопасный и воспроизводимый deployment. Разрабатывать и поддерживать Helm charts и deployment-конфигурации. Помогать командам разработки с подготовкой и выполнением deployment в production. При необходимости самостоятельно настраивать и доустанавливать необходимые инфраструктурные компоненты в production. Организовывать получение необходимых доступов и взаимодействовать с профильными инфраструктурными командами. Настраивать и развивать мониторинг, метрики, логирование, алертинг и другие средства observability. Контролировать работу сервисов в production и выявлять деградации и потенциальные проблемы до их влияния на клиентов. Участвовать в расследовании инцидентов, ошибок и деградаций, определять первопричины и координировать их устранение. Анализировать повторяющиеся проблемы и инициировать изменения, предотвращающие их повторное возникновение. Участвовать в postmortem и улучшении эксплуатационных процессов. Автоматизировать рутинные операции и снижать объём ручной работы. Участвовать в определении и контроле SLI/SLO для закреплённых сервисов. Оценивать влияние технических проблем на доступность, производительность и основные пользовательские функции сервисов. Взаимодействовать с разработчиками на всём жизненном цикле сервиса: от подготовки production до устранения эксплуатационных проблем. Какие навыки для нас важны: Высшее техническое образование (ИТ, вычислительная техника, автоматизация, телекоммуникации или смежные направления). Опыт работы от 3–5 лет в эксплуатации, SRE, DevOps, Platform Engineering или близких направлениях. Желателен опыт сопровождения высоконагруженных или критичных production-сервисов. Знания и навыки: Linux на уровне продвинутого администратора/инженера. Kubernetes. Helm. CI/CD и принципы автоматизированного deployment. Мониторинг и observability: метрики, логи, алертинг. Понимание принципов отказоустойчивости и эксплуатации production-систем. Навыки диагностики проблем и анализа первопричин. Git. Умение работать с API, CLI и shell/python-скриптами. Понимание сетевого взаимодействия и основных инфраструктурных компонентов. Готовность глубоко разбираться в устройстве закреплённых сервисов. Практический опыт SRE-подхода: SLI/SLO, error budget, incident/problem management. Опыт эксплуатации OpenStack или других облачных платформ. Prometheus, Grafana, Loki/ELK/OpenSearch или аналогичные системы. Опыт работы с PostgreSQL, Redis, Kafka/RabbitMQ или другими распределёнными компонентами. Опыт построения и улучшения production-инфраструктуры. Опыт performance/capacity анализа. Опыт автоматизации рутинных операций. Знание принципов release engineering и безопасного rollout. Опыт взаимодействия с командами разработки. Требования к личным качествам: Высокая ответственность за результат и production. Системное мышление. Умение самостоятельно расследовать незнакомые проблемы. Техническая любознательность и готовность глубоко разбираться в работе сервисов. Проактивность: способность выявлять проблемы до появления обращений от клиентов. Умение конструктивно взаимодействовать с разработчиками и инфраструктурными командами. Способность доводить проблему от обнаружения до устранения первопричины. Способность работать самостоятельно и принимать технические решения. Знание иностранного языка: Английский — чтение технической документации, понимание issue/troubleshooting материалов; B1–B2 и выше. Знание стека: Kubernetes, Helm, Linux, Git, CI/CD, Prometheus, Grafana, Docker, REST/API, сетевые технологии, системы логирования и мониторинга. Желательно OpenStack и связанные cloud-инфраструктурные технологии. Профессиональные навыки: Deployment и сопровождение сервисов в production. Разработка и поддержка Helm charts. Помощь командам разработки при подготовке и выводе сервисов в production. Настройка production-инфраструктуры и необходимых инфраструктурных компонентов. Подготовка необходимых доступов и взаимодействие с ответственными инфраструктурными командами. Настройка мониторинга, метрик, логирования и алертинга. Контроль production-состояния и раннее выявление деградаций. Анализ incidents и системных ошибок. Поиск root cause и организация устранения проблем. Участие в postmortem и предотвращении повторения инцидентов. Повышение отказоустойчивости и наблюдаемости сервисов. Автоматизация эксплуатационных операций и снижение ручного труда. Участие в определении и контроле SLI/SLO для закреплённых сервисов. Анализ влияния технических проблем на пользовательский опыт и работоспособность основных функций сервиса. Взаимодействие с разработкой на всём жизненном цикле сервиса. Специализированные программы: Kubernetes, Helm, GitLab/GitHub или аналогичные CI/CD-системы, Prometheus, Grafana, системы централизованного логирования, Linux CLI, Terraform/Ansible или аналоги