Site Reliability Engineer
Работодатель · Amelco Limited
Системный администраторСетевой инженер
Разработчик программного обеспеченияГибкийПолнаяПеч
Мы ищем практического инженера по надежности сайтов (SRE) для обеспечения надежности, наблюдаемости и экономической эффективности нашей высокопроизводительной платформы для ставок. Вы будете интегрированы в наши production-операции, работая напрямую с командами разработки над созданием отказоустойчивых систем, внедрением эффективной наблюдаемости и управлением реагированием на инциденты от обнаружения до устранения.
Задачи
- Взаимодействие с командами разработки для определения и управления SLO и SLI, специфичными для сервисов платформы ставок (задержка, длина очереди, успешность обработки ставок)
- Повышение наблюдаемости наших сервисов Java Spring Boot — обеспечение того, чтобы метрики, логи и трейсинг были применимы для обнаружения и устранения проблем в production
- Внедрение экспериментов в рамках хаос-инжиниринга, нацеленных на наши системы очередей событий и высокодоступные сервисы ставок
- Проектирование и выполнение проверок готовности перед развертыванием и валидации после релиза для критически важных с точки зрения рисков сервисов
- Обеспечение надежности кластера Kubernetes в средах разработки, QA и production
- Автоматизация операционных процессов с помощью скриптов на Python и Bash в нашей экосистеме GitHub Actions
- Оптимизация затрат на инфраструктуру путем правильного подбора размеров рабочих нагрузок EKS, настройки политик автомасштабирования и внедрения эффективных моделей использования ресурсов
- Укрепление защитных механизмов платформы с помощью политик Flux GitOps и валидации модулей Terraform
- Участие в реагировании на масштабные инциденты при сбоях платформы ставок, предоставление технической экспертизы в отношении поведения сервисов Java и зависимостей инфраструктуры
- Проектирование и внедрение паттернов автоматизированного восстановления для частых типов сбоев (перегрузка очереди событий, исчерпание пула подключений, соединение с базой данных)
- Создание почасовых правил агента наблюдаемости и пороговых значений для раннего обнаружения аномалий в production
- Разработка инструкций (runbooks) и автоматизация для распространенных операционных задач на нашей многосредовой платформе
Условия и льготы
Конкурентные B2B ставкиB2B контрактВозможности долгосрочного сотрудничестваВозможность работать над международными проектамиВозможности для обмена знаниями и профессионального развитияСотрудничество с опытными экспертами отраслиДружная и поддерживающая рабочая культураДинамичная среда для сотрудничестваПлоская организационная структураГибкая и неформальная атмосфераОтсутствие дресс-кода
Требования
- От 3 лет опыта работы на ролях SRE, Platform Engineering или DevOps с практическим опытом в production
- Глубокая операционная экспертиза в Kubernetes (AWS EKS, GitOps с Flux, пакетирование Helm)
- Подтвержденный опыт построения наблюдаемости для приложений Java Spring Boot с использованием Prometheus, Grafana и Loki
- Уверенное владение подходом «Инфраструктура как код» (IaC) с помощью Terraform и рабочих процессов GitOps
- Навыки написания скриптов на Python и Bash для автоматизации и разработки инструментов
- Опыт проектирования и эксплуатации мониторинга для высокопроизводительных систем обработки событий
- Продемонстрированная способность соблюдать баланс между экономической эффективностью инфраструктуры и требованиями к надежности платформы ставок
- Отличные коммуникативные навыки и способность работать во взаимодействии с командами разработки, платформы и управления инцидентами