Engineering Manager, Site Reliability Engineering

О позиции

Это роль технического руководства по построению и развитию системы надёжности. Вы будете управлять всей экосистемой SRE: от мониторинга и алертинга до управления инцидентами, нагрузочного тестирования, производительности, облачных затрат и инфраструктуры развертывания. Команда работает с production-системами, обеспечивая безопасные изменения, измеримую надёжность и предсказуемую производительность при росте нагрузки. Это не просто функция управления инцидентами — вы будете активно участвовать в разработке, помогать командам безопасно выпускать изменения, выявлять узкие места и реализовывать инженерные улучшения.

Будет плюсом

• Опыт GitOps или progressive-delivery платформ: Harness, ArgoCD, Kargo
• Опыт observability, profiling, load-testing, failure-testing систем включая OpenTelemetry
• Опыт cloud cost attribution, capacity planning и provider coordination особенно GCP
• Опыт роста distributed команд и использования AI tools для увеличения output

Условия

• Конкурентная зарплата и equity
• Программа 401(k) с match 4% (только US)
• Здоровье, dental, vision и life insurance
• Short-term и long-term disability
• Paid parental, medical caregiver leave
• Flexible Time Off + праздники
• Commuter benefits (для офисной работы)
• Ежемесячный wellness stipend
• Автономная рабочая среда
• Возмещение office setup (офисно только)
• Квартальные тим Gathering
• Амбассадорские удобства офиса

Навыки

• Leadership
• Engineering Management
• Site Reliability Engineering
• Observability
• Incident Management
• Performance Engineering
• Load Testing
• Kubernetes
• Distributed Systems
• Google Cloud Platform
• SLO/SLA
• Prometheus
• Grafana
• OpenTelemetry
• GitOps
• ArgoCD
• Cost Optimization
• Capacity Planning
• AI Tools Integration

Могут спросить на собеседовании

1. Опишите пример, где вы предотвратили крупный инцидент или улучшили надёжность системы через инженерные меры.
2. Как вы балансировали между speed of delivery и reliability когда требовалось принять решение?
3. Расскажите о том, как вы развили карьеру инженера в вашей команде. Какие конкретные шаги вы предприняли?
4. Как вы организуете работу распределённой команды и обеспечиваете backup coverage вместо reliance на少数 escalation points?
5. Приведите пример использования profiling или telemetry для выявления и исправления performance bottleneck.