SRE Engineer

TL;DR

SRE-инженер (Reliability/Platform): Проектирование и поддержка надежности высоконагруженных облачных сервисов с акцентом на внедрение SLO/SLI, capacity planning и автоматизацию процессов. Фокус на предотвращении инцидентов, оптимизации производительности систем и внедрении практик observability для повышения стабильности платформы.

Локация: Удаленно или гибрид (Москва). Работа возможна только из РФ.

Компания

Cloud.ru — один из ведущих облачных провайдеров в России, развивающий инновационные продукты с командой более 1700 человек.

Что делать

• Управлять надежностью сервисов через проектирование и внедрение SLO/SLI и контроль Error Budget.
• Разрабатывать метрики, алертинг, дашборды и ранбуки для обеспечения прозрачности состояния систем.
• Заниматься прогнозированием нагрузки (capacity planning) и оптимизацией узких мест производительности.
• Выполнять роль Incident Commander при устранении инцидентов и проводить расследования причин (RCA).
• Автоматизировать рутинные задачи с помощью IaC (Terraform/Ansible) и скриптов (Python/Go).
• Менторить команды разработки в вопросах надежности и проведения postmortems.

Требования

• Глубокая экспертиза в SRE-практиках: SLO/SLI, error budget, toil reduction.
• Опыт построения quality gates в CI/CD для управления рисками при релизах.
• Экспертный уровень эксплуатации Linux, включая глубокую диагностику ядра.
• Глубокие знания сетевого стека на уровнях L2-L7.
• Практический опыт работы с Kubernetes и понимание его внутренних механизмов.
• Локация: работа возможна только из РФ.

Хорошо, если есть

• Системное мышление для анализа сложных сценариев отказа.
• Навыки написания качественной технической документации.
• Опыт ведения переговоров с разработчиками и бизнесом о балансе надежности и скорости разработки.

Культура и преимущества

• Масштабные инновационные задачи в составе команды из 1700+ человек.
• Профессиональное развитие в роли уровня Senior/TechLead.
• Гибкий подход к формату работы (удаленка или гибрид).