Senior SRE-инженер (Data Infrastructure)

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 …