Senior SRE-инженер (Data Infrastructure)
Описание
О компании/продукте: Крупная продуктовая IT-компания, лидер своего сегмента онлайн-сервисов. Десятки миллионов пользователей в месяц, 1 000+ сотрудников. Сильная инженерная культура, мало бюрократии, много автономии. Чем предстоит заниматься: Ищем SRE в команду, которая эксплуатирует системы хранения и обработки данных и отвечает за их доступность, обновления и восстановление. Первый фокус лежит на части платформы данных: Hadoop и S3-хранилищах, Kafka, ZooKeeper, Hive Metastore, Trino/Presto. Зону ответственности обсудим на старте: учтём ваш опыт и интересы. Могут быть такие задачи: Отвечать за стабильную работу платформы данных: искать причины сбоев, просадок производительности и проблем с репликацией. Строить отказоустойчивость: настраивать failover, следить, чтобы бэкапы были полными, автоматизировать восстановление и проверять, что после него данные целы, а сервисы-потребители работают. Переводить обслуживание и раскатку компонентов в код: IaC, CI/CD, ревью изменений. Вести SLO, мониторинг, документацию и capacity planning. Вместе с ИБ и смежными командами обновлять компоненты, сужать доступы, сегментировать сеть и менять секреты. Дежурить и разбирать инциденты; участвовать в DR-учениях с отказом площадки и порчей данных, замерять реальные RTO и RPO. Забирать компоненты в свою зону ответственности от текущих владельцев, переносить их в другое российское облако, вводить в курс дела напарника и ревьюить работу коллег. Стек: Hadoop, S3, Kafka, ZooKeeper, Hive Metastore, Trino/Presto, PostgreSQL, ClickHouse, MySQL, Kubernetes, Terraform, SaltStack, Prometheus/VictoriaMetrics, Grafana, Yandex Cloud, VK Cloud. Профиль кандидата: 4+ года опыта в эксплуатации data-инфраструктуры с дежурствами и самостоятельной работой с инцидентами. Опыт самостоятельного сопровождения в продакшене хотя бы одной системы хранения или обработки данных: обновления, диагностика, восстановление. Понимание слабых мест репликации и бэкапов; практический опыт восстановления данных с проверкой целостности и работы потребителей. Знание Linux на уровне диагностики: файловые системы, дисковый I/O, сеть, DNS, TLS. Навыки автоматизации и IaC: Bash, Python, Git, CI/CD, Terraform, управление конфигурацией. Понимание принципов мониторинга: метрики, логи, алерты (Prometheus/Grafana или аналоги). Опыт внедрения безопасных изменений в продакшене: продуманный порядок шагов, точки остановки и откат, проверка частичных отказов, идемпотентная автоматизация. Подход к доступам на бэкапы и ключи с учётом минимальных прав и возможной компрометации. Автономность: сами доводите задачи и проекты до результата, заранее подсвечиваете риски и умеете работать в тесной коллаборации с инжинирингом и ИБ. Умение работать с ИИ-агентами, при котором вы сами проверяете полученный код, права и последствия изменений. Будет плюсом: Глубокая экспертиза в одной или нескольких системах хранения и обработки данных: Kafka, Hadoop, Trino/Presto, ClickHouse, PostgreSQL или MySQL. Опыт со stateful-сервисами в Kubernetes: тома, секреты, конфигурации, диагностика. Опыт с S3-хранилищами, ZooKeeper, Hive Metastore, Elasticsearch. Опыт миграции систем данных между облаками. Условия: Полная удалёнка с гибким графиком: офисы в трёх городах России открыты для всех по желанию. Официальное трудоустройство по ТК РФ. Прозрачные процессы: performance review дважды в год, понятный инженерный трек, ментор на старте, индивидуальный план развития. ДМС с первого дня: стоматология, госпитализация, страховка для поездок за рубеж. 31 день отпуска + 5 days off + 10 дней больничного. Бюджет на обучение, фитнес и ментальное здоровье. Реальное влияние на процессы и архитектуру: много собственных решений, учения по Disaster Recovery, высокий оунершип. Масштаб: 10+ Kubernetes-кластеров, сотни кластеров БД, несколько PB данных, GPU-мощности.