SRE/Инженер по надёжности систем

IТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Обязанности

• Развивать и сопровождать платформу мониторинга на базе VictoriaMetrics и Grafana: обеспечивать доступность, производительность и устойчивость её компонентов

• Подключать ИТ-услуги к мониторингу: совместно с командами разработки определять необходимые метрики, настраивать сбор данных, дашборды и правила оповещения

• Улучшать качество алертинга: сокращать ложные и дублирующие срабатывания, настраивать маршрутизацию уведомлений, связывать оповещения с инструкциями по диагностике и восстановлению

• Совместно с владельцами сервисов определять SLI/SLO и настраивать контроль доступности, задержек и ошибок в критичных сценариях

• Диагностировать инциденты платформы, участвовать в восстановлении работоспособности и разборе первопричин; реализовывать меры, предотвращающие повторение сбоев

• Контролировать производительность и потребление ресурсов: анализировать кардинальность метрик, тяжёлые запросы и сроки хранения данных, планировать масштабирование

• Автоматизировать развёртывание, обновление и конфигурирование компонентов; развивать CI/CD-пайплайны в Jenkins и Argo CD, хранить конфигурации в Git.

Требования

• Практический опыт эксплуатации production-систем в роли SRE, DevOps-инженера, инженера мониторинга или системного инженера

• Уверенная работа с Linux: диагностика процессов, памяти, CPU, дисковой подсистемы и сетевых взаимодействий; понимание TCP/IP, DNS, HTTP и TLS

• Практический опыт с VictoriaMetrics или Prometheus и Grafana: сбор метрик, дашборды, правила оповещения; умение писать и анализировать запросы PromQL/MetricsQL

• Понимание типов метрик, labels, кардинальности и принципов построения полезного мониторинга приложений и инфраструктуры

• Опыт диагностики инцидентов по метрикам и логам; понимание отказоустойчивости…