SRE-инженер

Чем предстоит заниматься:
- Проектированием и поддержкой высоконагруженных, отказоустойчивых on-premise решений, гарантированием SLA/SLO/SLI для критичных бизнес-сервисов, обеспечением устойчивости инфраструктуры к сбоям на уровне виртуальных машин и K8S-кластеров;
- Тюнингом параметров ядра Linux, профилированием производительности (strace, perf, eBPF);
- Администрированием on-premise кластеров K8s и внедрением в инфраструктуру кластеров K8S с нуля, настройкой CNI: Calico, Cilium, контроллеров Ingress и политик RBAC;
- Обеспечением доступности данных на уровне (99.99%) в системах на базе MiniIO, автоматизацией процессов резервного копирования и восстановлением данных, сокращением RTO, Disaster Recovery для stateful-приложений и инфраструктуры, регулярным тестированием процедур аварийного восстановления;
- Настройкой и поддержкой L4/L7 балансировщиков нагрузки (HAProxy, Keepalived), управлением сертификатами (HashiCorp Vault), службами DNS и DHCP;
- Управлением инфраструктурой как кодом для ВМ и K8S (Ansible/Terraform), развитием и поддержкой подхода GitOps для управления конфигурациями и развертыванием сервисов;
- Участием в развитии многоуровневой системы наблюдаемости (метрики, логи, трейсы) на базе стека Prometheus: Victoria Metrics, Grafana, Tempo/Jaeger, сопровождением системы мониторинга Zabbix до полного работы с метриками на стек Prometheus, настройкой экспортеров, разработка дашбордов и интеллектуального алертинга (сокращение MTTD/MTTR), централизованное логирование (Splunk, Fluent Bit/Vector);
- Разработкой и оптимизацией пайплайнов непрерывной доставки (GitLab CI), управлением реестрами образов (Harbor), секретами (HashiCorp Vault);
- Технической организацией полного цикла реагирования инцидентов, управлением алертингом, глубокой диагностикой на уровне сети, ОС и K8S, проведением постмортем-анализов с разработкой корректирующих мер и автоматизация самовосстановления (self-healing) систем;
- Разработкой и поддержкой runbooks, архитектурных схем инфраструктуры, сетевых топологий, регламентов реагирования, политик развертывания и Disaster Recovery планов.

Что мы ожидаем:
- Опыт 3 лет на позиции SRE или DevOps с сильным фокусом на надежность высоконагруженных систем;
- Глубокое понимание подсистем ядра, тюнинг производительности, отладка, управление systemd, cgroups, namespaces, работа с файловыми системами (LVM, ext4, xfs), умение диагностировать проблемы CPU, памяти, дискового ввода-вывода и сети;
- Опыт работы с гипервизором VMware vSphere, управление жизненным циклом ВМ;
- Построение и эксплуатация production-кластеров без managed-сервисов (EKS/GKE/AKS), понимание архитектуры control plane, etcd, kubelet, CRI, CNI, CSI, механизмов планирования, ресурсных квот, HPA/VPA;
- Отличное понимание TCP/IP, DNS, HTTP/2, L4/L7 балансировки, VPN, VLAN, опыт настройки CNI-плагинов (Calico, Cilium), умение анализировать трафик;
- Опыт эксплуатации распределенных систем хранения (MiniIO,Ceph), понимание работы CSI-драйверов и стратегий резервного копирования;
- Экспертное владение Ansible Terraform, опыт внедрения практик GitOps и IaC, написание сложных пайплайнов CI/CD (GitLab CI);
- Bash и Python — на уровне написания сервисов, операторов и утилит, знание Go будет плюсом;
- Глубокие навыки работы с Prometheus (PromQL/MetricsQL), Grafana, Loki, Tempo/Jaeger, настройка алертинга (Alertmanager);
- Понимание принципов DevSecOps: управление секретами (Vault), RBAC, сетевые политики.

Мы предлагаем:
​​​​​​​​​​​​​​- ⁠Работу в аккредитованной ИТ-компании;
- ⁠Шаг в космос - для тех, кто вдохновлен идеей покорения космоса и мечтает быть к этому причастным;
- Комфортный офис на метро "Мневники" с графиком 5/2 в гибридном или удаленном формате;
- ⁠Оформление в соответствии с ТК РФ;
- ⁠Конкурентный уровень заработной платы - на уровне лидеров ИТ/телеком-индустрии.