Systems Reliability Engineer

О позиции

Мы ищем опытного Systems Reliability Engineer для поддержки стабильной работы нашей инфраструктуры. Вы будете работать совместно с командами разработки, DevOps и безопасности, чтобы предотвращать сбои, автоматизировать рутинные задачи и повышать общую надёжность сервисов. Роль подходит для профессионала, способного выявлять потенциальные проблемы до их влияния на пользователей и реализовывать эффективные решения.

Чем заниматься

• Проектирование, внедрение и поддержка надёжных, масштабируемых систем
• Мониторинг здоровья системы и ресурсов с помощью инструментов observability
• Выявление, диагностика и устранение сложных сбоев и узких мест
• Анализ первопричин инцидентов и внедрение превентивных мер
• Автоматизация задач администрирования с помощью Python, Bash, PowerShell
• Управление средой серверов Linux и Windows
• Поддержка облачной инфраструктуры (AWS, Azure, GCP)
• Внедрение стратегий резервного копирования и аварийного восстановления
• Разработка дашбордов мониторинга и процедур реагирования на инциденты
• Определение и отслеживание SLI/SLO/SLA показателей

Что ждут

• Бакалавр по Computer Science, Information Technology или практический опыт
• 3+ года опыта в system engineering, SRE или инфраструктурных операциях
• Глубокие знания администрирования Linux и/или Windows серверов
• Опыт работы с облачными платформами (AWS, Azure, Google Cloud)
• Профицентность в scripting и автоматизации (Python, Bash, PowerShell)
• Опыт работы с инструментами мониторинга (Prometheus, Grafana, Datadog, New Relic)
• Понимание основ сетей, storage systems, баз данных и распределённых систем
• Знание CI/CD pipeline, version control и infrastructure automation
• Опыт incident management, troubleshooting и root cause analysis

Будет плюсом

• Опыт применения принципов Site Reliability Engineering (SRE)
• Знание Infrastructure as Code инструментов (Terraform, Ansible, CloudFormation)
• Опыт с Docker, Kubernetes и контейнеризированными workload
• Сертификаты AWS Solutions Architect, Azure Administrator, Google Cloud, Red Hat
• Знание security best practices и compliance требований
• Опыт управления production системами в high-availability средах

Условия

• Конкурентная зарплата $110,000–$160,000 в год
• Медицинское, стоматологическое и vision страхование
• Оплачиваемый отпуск, праздники и sick leave
• Планы пенсионных накоплений с matching от работодателя
• Возмещение расходов на профессиональные сертификации
• Резюме или гибридный формат работы
• Бонусы по результатам работы

Навыки

• Python
• Bash
• PowerShell
• Linux
• Windows Server
• AWS
• Azure
• Google Cloud Platform
• Prometheus
• Grafana
• Datadog
• Kubernetes
• Docker
• Terraform
• Ansible
• CI/CD
• Git
• Infrastructure as Code
• Site Reliability Engineering
• Observability

Могут спросить на собеседовании

1. Расскажите о своём опыте работы с cloud platforms и какие архитектурные решения вы принимали для обеспечения отказоустойчивости?
2. Приведите пример complex issue, который вам пришлось диагностировать и устранить в production системе.
3. Как вы подходите к настройке alerting и что для вас важнее — reduce noise или ensure no critical alert is missed?
4. Какие метрики reliability вы считаете наиболее важными и как вы их используете для принятия решений?
5. Опишите ваш подход к automating routine operations. Какие инструменты вы предпочитаете и почему?