SRE инженер

Ключевые задачи:

• Обеспечение стабильной и бесперебойной работы систем и сервисов компании.
• Внедрение и настройка систем мониторинга, алертинга и инструментов анализа производительности.
• Автоматизация рутинных процессов и задач эксплуатации для повышения эффективности работы.
• Сопровождение и оптимизация контейнерной инфраструктуры, эффективное использование ресурсов.
• Обеспечение высокой доступности, отказоустойчивости и масштабируемости сервисов.
• Расследование и анализ инцидентов, выявление первопричин и внедрение решений для предотвращения их повторения.
• Оптимизация инфраструктуры и повышение общей операционной эффективности.
• Взаимодействие с командами разработки, тестирования, технической поддержки и DevOps для повышения надежности сервисов и развития стабильной, масштабируемой архитектуры.

От тебя мы ждем:

• Опыт на позиции SRE/DevOps инженера от 5 лет.
• Monitoring/Observability: уверенный опыт с Prometheus + Grafana (метрики, дашборды, алерты, базовый PromQL).
• Linux: уверенная работа в Linux (CLI, сеть/процессы, systemd, логи, диагностика производительности на базовом уровне).
• Язык программирования: опыт автоматизации/разработки на одном из: Java / Go / Python (скрипты/утилиты/небольшие сервисы для эксплуатации).
• Incident response mindset: готовность участвовать в решении инцидентов и дежурствах (on-call), желание разбираться в причинах деградаций по метрикам/логам и доводить до улучшений, желательно опыт работы с метриками/логами при поиске причин
• AI/LLM в эксплуатации: опыт внедрения или пилота ИИ-решений для эксплуатации/инцидентов (например: автоклассификация инцидентов, RCA-помощник, чат-бот по runbook/knowledge base, RAG по базе инцидентов) - важно: конкретный кейс/результат.

Опционально (будет плюсом):

- Docker / Docker Compose / Kubernetes
- Zabbix
- Git + CI/CD: умение пользоваться Git, понимание пайплайнов, релизов, rollback/canary (минимум)
- Логи/трейсинг: ELK/Loki, OpenTelemetry
- SLO/SLA, error budget
- Автоматизация runbooks/health-checks, снижение MTTR и повторяемости инцидентов
- SQL (PostgreSQL или другой SQL): чтение и базовая оптимизация запросов (понимание индексов, explain plan, поиск “тяжёлых” запросов)