SRE инженер

Ключевые задачи:

• Обеспечение стабильной и бесперебойной работы систем и сервисов компании.

• Внедрение и настройка систем мониторинга, алертинга и инструментов анализа производительности.

• Автоматизация рутинных процессов и задач эксплуатации для повышения эффективности работы.

• Сопровождение и оптимизация контейнерной инфраструктуры, эффективное использование ресурсов.

• Обеспечение высокой доступности, отказоустойчивости и масштабируемости сервисов.

• Расследование и анализ инцидентов, выявление первопричин и внедрение решений для предотвращения их повторения.

• Оптимизация инфраструктуры и повышение общей операционной эффективности.

• Взаимодействие с командами разработки, тестирования, технической поддержки и DevOps для повышения надежности сервисов и развития стабильной, масштабируемой архитектуры.

От тебя мы ждем:

• Опыт на позиции SRE/DevOps инженера от 5 лет.

• Monitoring/Observability: уверенный опыт с Prometheus + Grafana (метрики, дашборды, алерты, базовый PromQL).

• Linux: уверенная работа в Linux (CLI, сеть/процессы, systemd, логи, диагностика производительности на базовом уровне).

• Язык программирования: опыт автоматизации/разработки на одном из : Java / Go / Python (скрипты/утилиты/небольшие сервисы для эксплуатации).

• Incident response mindset: готовность участвовать в решении инцидентов и дежурствах (on-call), желание разбираться в причинах деградаций по метрикам/логам и доводить до улучшений , желательно опыт работы с метриками/логами при поиске причин

• AI/LLM в эксплуатации: опыт внедрения или пилота ИИ-решений для эксплуатации/инцидентов (например: автоклассификация инцидентов, RCA-помощник, чат-бот по runbook/knowledge base, RAG по базе инцидентов) - важно: конкретный кейс/результат .

Опционально (будет плюсом):

• Docker / Docker Compose / Kubernetes

• Zabbix

• Git + CI/CD: умение пользоваться Git, понимание пайплайнов, релизов, rollback/canary (минимум)

• Логи/трейсинг: ELK/Loki, OpenTelemetry

• SLO/SLA, error…