Руководитель направления автоматизации и повышения надежности (SRE/DevOps)

▶️Аудит информационных систем клиентов, размещённых на платформе Evolution Stack: анализ архитектуры, схемы деплоя, эксплуатационных практик;

▶️Многоуровневая оценка текущего уровня SLA (приложение, инфраструктура, сеть, процессы) и выявление пробелов в надёжности;

▶️Разработка плана повышения SLA до целевого уровня — включая задачи по изменению архитектуры ИС и задачи по изменению деплоя, инфраструктуры и мониторинга (DevOps-трек);

▶️Определение SLO/SLI для критичных сервисов клиента;

▶️Проектирование и внедрение дашбордов мониторинга доступности ИС и раннего оповещения о возможных сбоях;

▶️Презентация и защита плана повышения надёжности перед руководством клиента, согласование скоупа, сроков и ресурсов;

▶️Реализация плана совместно с командой клиента и инженерами (архитекторами, инженерами внедрения, DevOps-инженерами);
▶️Участие в разборе крупных инцидентов, контроль выполнения корректирующих мер;

▶️Формирование, развитие и операционное управление командой SRE-инженеров: найм, менторство, распределение нагрузки, развитие экспертизы;

▶️Разработка и стандартизация методологии аудита и повышения надёжности (чек-листы, playbook'и, шаблоны Production Readiness Review) для тиражирования;

▶️Участие в presales-активностях: оценка технической реализуемости SLA-обязательств и рисков на этапе продажи;

▶️Взаимодействие с продуктовыми и инженерными командами Evolution Stack по вопросам платформенной надёжности, влияющей на SLA клиентов;

▶️Регулярная отчётность перед руководством по портфелю SLA-контрактов, статусу проектов повышения надёжности и рискам.

▶️Опыт работы в SRE / DevOps / эксплуатации высоконагруженных систем от 5 лет, из них от 2 лет — на позиции тимлида или руководителя команды;

▶️Опыт управления командой (в среднем от 3 человек);

▶️Практический опыт определения и внедрения SLA/SLO/SLI и многоуровневого анализа доступности;

▶️Опыт построения и эксплуатации observability-стека: Prometheus/Grafana/Zabbix/VictoriaMetrics, ELK/OpenSearch, системы алертинга (Alertmanager, PagerDuty/Opsgenie);

▶️Опыт incident management: разбор инцидентов, постмортемы, root-cause analysis, контроль выполнения corrective actions;

▶️Понимание и опыт применения паттернов отказоустойчивой архитектуры: multi-AZ/failover, балансировка нагрузки, circuit breaker, disaster recovery (RTO/RPO);

▶️Опыт работы с Kubernetes, Terraform/Ansible, CI/CD (GitLab CI/Jenkins/TeamCity), понимание принципов GitOps;

▶️Уверенное владение Linux (администрирование, диагностика);

▶️Знание хотя бы одного языка программирования продакшн-уровня (Go/Python/Java) — для автоматизации и написания инструментов;

▶️Опыт работы с распределёнными системами и микросервисной архитектурой;

▶️Развитые навыки коммуникации с заказчиком: презентация и защита технических планов перед руководством клиента, ведение переговоров, управление ожиданиями;

▶️Опыт работы с крупными коммерческими и государственными заказчиками, знание требований к отказоустойчивости в регулируемых отраслях.