CRO SRE (Data Platform)

В Data Platform 10+ sre команд, основной целью которых является достижение высокой степени надежности и доступности своих сервисов и продуктов. Основная обязанность CRO координация работы команд, выстраивание инцидент менеджмента, проведение централизованных учений, распространение и контроль практик от единого в банке центра надежности.

Задачи, которыми предстоит заниматься:

• Работа над улучшениями надежности SRE-команд: процессы, observability, работа со сбоями
• Участие в устранении сбоев, работа с фризами, работа с пользователями
• Поиск и обсуждение возможностей автоматизации рутины
• Рекомендации по улучшению архитектуры систем для повышения надежности
• Аудит процессов и систем для улучшения надежности
• Написание различного SRE-тулинга для работы со сбоями, maintenance, релизами
• Разработка индикаторов доступности систем и бизнес-процессов
• Контроль за соблюдением SLA на масштабе десятков сервисов и бизнес-процессов Incident Management

Ты нам подходишь, если:

• Ты выстраивал процессы работы SRE с нуля
• Участвовал в тушении большого числа инцидентов и имеешь богатый опыт в этом
• Понимаешь важность автоматизации рутины
• Работал с несколькими командами разработки и погружался в особенности каждого продукта
• Знаком со спецификой работы с большим объемом данных (Data Platform) (nice to have)
• Разрабатывал и поддерживал требуемый уровень SLA для своих систем

Требуемые навыки и компетенции:

• Знание и понимание инструментов observability: prometheus, логи (любой стек), grafana
• Навыки troubleshooting уровня Senior
• Опыт работы с высоконагруженными системами
• Опыт работы в on-call ротации (но сами дежурства не предполагаются)
• Опыт выстраивания процессов дежурств
• Опыт работы с большими инсталяциями баз данных
• Знание одного из языков автоматизации: Python, Go
• Знакомство с принципами работы Kubernetes