Чем предстоит заниматься:
- Участие в критичных инцидентах в роли ведущего технического эксперта (L4);
- Контроль и координация процесса устранения инцидента от обнаружения до полного восстановления сервиса;
- Глубокий технический разбор инцидентов и выработка корректирующих мероприятий;
- Проектирование и внедрение изменений, направленных на предотвращение повторения инцидентов;
- Анализ архитектуры высоконагруженных и отказоустойчивых систем, поиск узких мест и потенциальных точек отказа;
- Консультирование команд эксплуатации и разработки по сложным инфраструктурным и сетевым вопросам;
- Участие в разработке и актуализации runbook’ов, operational-документации и best practices;
- Повышение общей надёжности и устойчивости платформы.
Что мы ждем от кандидата:
-
Большой практический опыт участия в инцидентах высоконагруженных и критичных систем (роль L3/L4);
-
Глубокие навыки troubleshooting’а в распределённых системах и инфраструктуре;
-
Отличное понимание виртуальных сетей и принципов их построения;
-
Знание и практический опыт работы с сетевыми протоколами: BGP, EVPN;
-
Опыт работы с балансировщиками нагрузки (L4/L7);
-
Понимание принципов работы SDN и overlay-сетей;
-
Уверенное владение Linux (диагностика, сеть, утилиты);
-
Стрессоустойчивость и умение сохранять хладнокровие в условиях аварий и ограниченного времени.
Дополнительно приветствуем:
- Опыт работы в роли SRE, Production Engineer или Incident Manager;
- Опыт участия в построении отказоустойчивых архитектур и DR-решений;
- Опыт работы и диагностики SDN (OVN+OVS);
- Опыт работы с Kubernetes (CNI cilium или calico) и контейнерной инфраструктурой;
- Понимание принципов работы распределённых систем (consistency, latency, fault tolerance);
- Опыт автоматизации диагностики и устранения инцидентов (скрипты, tooling);
- Опыт работы и диагностики OpenStack.