Senior SRE-инженер (Data Infrastructure)

О компании/продукте:

Крупная продуктовая IT-компания, лидер своего сегмента онлайн-сервисов.

• Десятки миллионов пользователей в месяц, 1 000+ сотрудников.
• Сильная инженерная культура, мало бюрократии, много автономии.

Чем предстоит заниматься:

Ищем SRE в команду, которая эксплуатирует системы хранения и обработки данных и отвечает за их доступность, обновления и восстановление. Первый фокус лежит на части платформы данных: Hadoop и S3-хранилищах, Kafka, ZooKeeper, Hive Metastore, Trino/Presto. Зону ответственности обсудим на старте: учтём ваш опыт и интересы.

Могут быть такие задачи:

• Отвечать за стабильную работу платформы данных: искать причины сбоев, просадок производительности и проблем с репликацией.
• Строить отказоустойчивость: настраивать failover, следить, чтобы бэкапы были полными, автоматизировать восстановление и проверять, что после него данные целы, а сервисы-потребители работают.
• Переводить обслуживание и раскатку компонентов в код: IaC, CI/CD, ревью изменений.
• Вести SLO, мониторинг, документацию и capacity planning.
• Вместе с ИБ и смежными командами обновлять компоненты, сужать доступы, сегментировать сеть и менять секреты.
• Дежурить и разбирать инциденты; участвовать в DR-учениях с отказом площадки и порчей данных, замерять реальные RTO и RPO.
• Забирать компоненты в свою зону ответственности от текущих владельцев, переносить их в другое российское облако, вводить в курс дела напарника и ревьюить работу коллег.

Стек: Hadoop, S3, Kafka, ZooKeeper, Hive Metastore, Trino/Presto, PostgreSQL, ClickHouse, MySQL, Kubernetes, Terraform, SaltStack, Prometheus/VictoriaMetrics, Grafana, Yandex Cloud, VK Cloud.

Профиль кандидата:

• 4+ года опыта в эксплуатации data-инфраструктуры с дежурствами и самостоятельной работой с инцидентами.
• Опыт самостоятельного сопровождения в продакшене хотя бы одной системы хранения или обработки данных: обновления, диагностика, восстановление.
• Понимание слабых мест репликации и бэкапов; практический опыт восстановления данных с проверкой целостности и работы потребителей.
• Знание Linux на уровне диагностики: файловые системы, дисковый I/O, сеть, DNS, TLS.
• Навыки автоматизации и IaC: Bash, Python, Git, CI/CD, Terraform, управление конфигурацией.
• Понимание принципов мониторинга: метрики, логи, алерты (Prometheus/Grafana или аналоги).
• Опыт внедрения безопасных изменений в продакшене: продуманный порядок шагов, точки остановки и откат, проверка частичных отказов, идемпотентная автоматизация.
• Подход к доступам на бэкапы и ключи с учётом минимальных прав и возможной компрометации.
• Автономность: сами доводите задачи и проекты до результата, заранее подсвечиваете риски и умеете работать в тесной коллаборации с инжинирингом и ИБ.
• Умение работать с ИИ-агентами, при котором вы сами проверяете полученный код, права и последствия изменений.

Будет плюсом:

• Глубокая экспертиза в одной или нескольких системах хранения и обработки данных: Kafka, Hadoop, Trino/Presto, ClickHouse, PostgreSQL или MySQL.
• Опыт со stateful-сервисами в Kubernetes: тома, секреты, конфигурации, диагностика.
• Опыт с S3-хранилищами, ZooKeeper, Hive Metastore, Elasticsearch.
• Опыт миграции систем данных между облаками.

Условия:

• Полная удалёнка с гибким графиком: офисы в трёх городах России открыты для всех по желанию.
• Официальное трудоустройство по ТК РФ.
• Прозрачные процессы: performance review дважды в год, понятный инженерный трек, ментор на старте, индивидуальный план развития.
• ДМС с первого дня: стоматология, госпитализация, страховка для поездок за рубеж.
• 31 день отпуска + 5 days off + 10 дней больничного.
• Бюджет на обучение, фитнес и ментальное здоровье.
• Реальное влияние на процессы и архитектуру: много собственных решений, учения по Disaster Recovery, высокий оунершип.
• Масштаб: 10+ Kubernetes-кластеров, сотни кластеров БД, несколько PB данных, GPU-мощности.