Lead SRE Engineer

TL;DR

Lead SRE Engineer: Управление надежностью высоконагруженной платформы с акцентом на SLO/SLI, capacity planning и автоматизацию процессов эксплуатации. Фокус на расследовании сложных инцидентов, оптимизации производительности систем в Kubernetes и менторстве команд разработки.

Локация: Можно удаленно или гибрид в Москве.

Компания

Cloud.ru — один из ведущих российских облачных провайдеров, предоставляющий инфраструктурные сервисы для бизнеса.

Что делать

• Проектирование и внедрение методологий SLO/SLI и управление Error Budget.
• Разработка стратегий мониторинга, алертинга и автоматизация рутинных задач (Toil reduction).
• Участие в управлении инцидентами в роли Incident Commander и проведение RCA.
• Capacity planning и прогнозирование нагрузки на платформу.
• Улучшение observability (метрики, логи, трейсы) и повышение отказоустойчивости сервисов.
• Менторство и обучение команд разработки принципам надежности и observability.

Требования

• Глубокий опыт внедрения SRE-практик (SLO/SLI, Error Budget, Automation).
• Экспертиза в эксплуатации Linux (диагностика ядра, память, сеть) и сетевых стеках L2-L7.
• Практический опыт работы с Kubernetes и понимание внутренних механизмов системы.
• Уверенное владение IaC (Terraform, Ansible) и навыками программирования (Python, Go, Bash).
• Опыт построения Quality Gates в CI/CD процессах для управления рисками.
• Системное мышление для анализа сложных сбоев и написания технической документации.