SRE-инженер

Мы создаём цифровой финансовый продукт, который меняет подход к кредитованию: карту без процентов и годового обслуживания, полностью управляемую через мобильное приложение. Продукт работает в трёх регионах, обслуживает около 300 000 пользователей и выдерживает нагрузку более 500 RPS.

Мы ищем Senior SRE, который возьмёт на себя ответственность за процессы Monitoring & Event Management и Availability & Capacity Management. В этой роли важно не просто реагировать на инциденты, а выстраивать системную надёжность: прогнозировать нагрузку, определять измеримые цели по доступности, развивать observability и превращать выводы из сбоев в устойчивые изменения.

Ключевые зоны ответственности

• Availability & Capacity Management: доступность, производительность, прогнозирование нагрузки и достаточность ресурсов.

• Monitoring & Event Management: качество мониторинга, событий, алертов и процессов реакции.

• Observability: метрики, логи, трассировки, дашборды и диагностическая готовность систем.

• Reliability governance: SLI/SLO, анализ инцидентов, disaster recovery и системные улучшения.

Чем предстоит заниматься

• Сформировать SLI/SLO для критичных пользовательских сценариев совместно с бизнесом и техническими командами и внедрить контроль их соблюдения.

• Развивать мониторинг на базе Grafana, Prometheus, Zabbix и CloudWatch; проектировать информативные дашборды, улучшать алерты и снижать шум событий.

• Развивать централизованные логи в CloudWatch Logs и распределённую трассировку: расширять применение OpenTelemetry и оценивать использование AWS X-Ray.

• Прогнозировать нагрузку и потребность в ресурсах, выявлять узкие места и формировать рекомендации по масштабированию.

• Участвовать в нагрузочных испытаниях вместе с отдельным специалистом и использовать результаты для Capacity Management.

• Подключаться к production-инцидентам как технический эксперт, при необходимости координировать восстановление и регулярно проводить RCA.

• Обеспечивать выполнение…