SRE Remoto (Chile)

О позиции

Позиция SRE в компании Imagemaker предполагает трансформацию архитектуры наблюдаемости в работающий код с калиброванными алертами и операционной телеметрией в продакшене. Вы будете строить технический слой мониторинга для всех компонентов и интеграций, используя строгие стандарты Site Reliability Engineering. Роль требует перевода бизнес-требований в точные метрики доступности, задержек и качества сервисов, а также интеграции всех процессов управления инцидентами банка.

Чем заниматься

• Реализовать технический слой мониторинга для всех компонентов и интеграций (агенты, логирование, метрики и трейсы)
• Создавать модули Monitoring as Code на Terraform и разворачивать их через CI/CD пайплайны в тестовой и продакшн средах
• Настраивать SLI, SLO и отчёты для аудита регуляторной доступности согласно требованиям BCRP
• Валидировать запросы и ответы API, логи совместно с командами разработки для обеспечения end-to-end трассируемости транзакций
• Настраивать правила раннего оповещения, детектирования аномалий и синтетического мониторинга в системе управления инцидентами
• Применять правила маскирования данных клиентов (PII) в логах, трассах и дашбордах
• Готовить операционные runbooks, документировать решение и передавать знания команде SRE банка

Что ждут

• Глубокое понимание принципов SRE: различие между мониторингом и наблюдаемостью, определение SLI/SLO, расчёт error budgets
• Опыт работы с POSTMAN для анализа трафика API и интерпретации кодов состояния и уровней логов
• Знание Infrastructure/Monitoring as Code: Terraform, Git, state management, peer review, naming conventions
• Опыт построения и эксплуатации CI/CD пайплайнов (Jenkins, GitHub Actions или Azure DevOps) на Unix/Linux
• Понимание безопасности и приватности данных: принципы минимальных привилегий, обработка PII в соответствии с законодательством
• Навыки работы в Agile-фреймворках для координации с разработчиками и QA-аналитиками
• Умение писать чёткие runbooks для команд поддержки

Будет плюсом

• Опыт работы с Dynatrace, Grafana или OpenTelemetry
• Чтение книги «Site Reliability Engineering» от Google
• Работа с Kubernetes/OpenShift и скриптинг на Python, Go или Bash
• Использование Jira и Confluence для документации и управления задачами

Условия

• Конкурентная заработная плата с регулярными бонусами
• Дополнительные 3 дня отпуска к основным праздникам
• Бесплатный дополнительный медицинский страховка для сотрудников
• Программы развития и обучения английскому языку
• Отпуск по случаю рождения ребёнка и полдня для дней рождения детей
• Сниженные условия кредитования в банках
• Льготное страхование домашних животных
• Горизонтальная корпоративная культура с акцентом на инновации и баланс работы и личной жизни
• Период без сохранения зарплаты для личных проектов
• Двойные выходные в дни рождения сотрудника

Навыки

• SRE
• Observability
• Monitoring as Code
• Terraform
• CI/CD
• Git
• Postman
• Linux/Unix
• Kubernetes
• Python
• OpenTelemetry
• Dynatrace
• Grafana
• Jira
• Confluence
• Incident Management
• SLI/SLO
• Error Budget

Могут спросить на собеседовании

1. Как вы определяете границы между традиционным мониторингом и наблюдаемостью? Приведите примеры.
2. Опишите процесс определения SLI и SLO для конкретного сервиса. Как вы работаете с error budgets?
3. Как вы организуете управление состоянием в Terraform при работе в команде? Какие практики контроля версий применяете?
4. Приведите пример конфигурации CI/CD пайплайна для деплоя мониторинга как кода. Какие этапы проверки вы включаете?
5. Какие риски возникают при обработке данных клиентов в логах и как вы обеспечиваете соответствие законам о защите данных?