Старший инженер платформы и надежности сайтов (Platform & SRE)

Что предстоит делать

Наш клиент — быстрорастущая enterprise-организация, занимающаяся разработкой ПО, которая приобретает и масштабирует B2B SaaS-продукты. Они создают общую облачную платформу, служащую инженерной основой для растущего портфеля корпоративных приложений. Эта платформа предоставляет стандартизированную инфраструктуру, возможности развертывания, наблюдаемости, автоматизации и отказоустойчивости для нескольких продуктов, одновременно обеспечивая будущий рост без пропорционального увеличения операционной сложности. Организация инвестирует в современные практики платформенной инженерии, облачные технологии, Infrastructure as Code, AI-assisted engineering и операционную автоматизацию для создания масштабируемой и высоконадежной инженерной экосистемы. Они ищут опытного Senior Platform & Site Reliability Engineer, который возьмет на себя ответственность за общую платформу, установит инженерные стандарты и спроектирует инфраструктуру, поддерживающую несколько корпоративных SaaS-продуктов. Это практическая техническая руководящая роль, где вы будете влиять на архитектуру платформы, опыт разработчиков, операционную надежность и лучшие инженерные практики. Рабочее время: Эта роль требует ежедневного взаимодействия с инженерной командой, базирующейся в США. Кандидаты должны быть доступны для работы как минимум до 15:00 по восточному времени США (EST), с возможностью работать сверх этого времени, когда того требуют бизнес-задачи.

• Платформенная инженерия
• Владеть архитектурой и эксплуатацией общей платформы, включая CI/CD, наблюдаемость, автоматизацию развертывания, управление секретами и инструментарий для разработчиков.
• Определять, внедрять и обеспечивать соблюдение стандартов платформенной инженерии для нескольких продуктов.
• Создавать и поддерживать Infrastructure as Code с помощью Terraform или OpenTofu, гарантируя, что вся инфраструктура управляется через систему контроля версий, проходит ревью и развертывается с помощью автоматизации.
• Разрабатывать self-service возможности платформы, позволяющие инженерным командам выполнять развертывание самостоятельно.
• Потоковая передача событий и обработка данных
• Проектировать и поддерживать инфраструктуру потоковой передачи событий, поддерживающую рабочие нагрузки обработки в реальном времени.
• Создавать и поддерживать инфраструктуру пакетной обработки данных наряду с транзакционными системами реального времени.
• Обеспечивать надежность, масштабируемость, производительность и экономическую эффективность сервисов платформы.
• CI/CD и развертывание
• Проектировать, создавать и поддерживать CI/CD пайплайны с использованием GitHub Actions.
• Автоматизировать восстановление после типичных сбоев пайплайнов и повышать надежность развертывания.
• Внедрять стратегии управления релизами, механизмы отката и шаблоны развертывания, такие как canary или blue-green развертывания, где это уместно.
• Наблюдаемость и надежность сайта
• Владеть и поддерживать платформу наблюдаемости с использованием Grafana, Prometheus, Loki, CloudWatch и связанных инструментов мониторинга.
• Определять Service Level Objectives (SLO), error budgets и метрики надежности для нескольких продуктов.
• Создавать интеллектуальные решения для оповещения и мониторинга, предоставляющие действенную диагностическую информацию.
• Разрабатывать процессы реагирования на инциденты, процедуры эскалации и практики посмертного анализа инцидентов.
• Внедрять безопасную автоматизированную коррекцию для хорошо изученных операционных сценариев, обеспечивая при этом контроль со стороны человека для сложных инцидентов.
• Расширение и интеграция платформы
• Оценивать недавно приобретенные продукты на предмет зрелости инфраструктуры, покрытия Infrastructure as Code, наблюдаемости и безопасности.
• Планировать и выполнять инициативы по интеграции и модернизации платформы, сводя к минимуму операционные сбои.
• Поддерживать внедрение стандартизированных возможностей платформы в нескольких инженерных командах.
• Инженерная автоматизация
• Использовать AI-assisted инженерные инструменты и автоматизацию там, где это уместно, для снижения операционных издержек.
• Автоматизировать предоставление инфраструктуры, CI/CD рабочие процессы, мониторинг, управление секретами и операционные задачи, сохраняя при этом инженерный контроль над решениями с высоким влиянием.
• Предпочтительный технологический стек
• AWS
• Terraform / OpenTofu
• GitHub Actions
• Grafana
• Prometheus
• Loki
• AWS CloudWatch
• AWS Secrets Manager или HashiCorp Vault
• Amazon ECS и EKS
• Технологии потоковой передачи событий
• Инструменты мониторинга затрат и оптимизации облака

Что ждём от вас

• 8–12 лет опыта в Platform Engineering, Site Reliability Engineering (SRE), DevOps или Cloud Infrastructure Engineering.
• Подтвержденный опыт проектирования и эксплуатации производственной платформенной инфраструктуры в нескольких средах или продуктах.
• Сильный практический опыт работы с Terraform (или OpenTofu) и Infrastructure as Code.
• Обширный опыт проектирования и поддержки CI/CD пайплайнов с использованием GitHub Actions.
• Опыт эксплуатации инфраструктуры потоковой передачи событий в производственных средах.
• Глубокая экспертиза в AWS, включая ECS, EKS, IAM, VPC, RDS, CloudWatch, сети и облачную инфраструктуру.
• Практический опыт работы с Grafana, Prometheus, Loki и корпоративными платформами наблюдаемости.
• Глубокое понимание принципов SRE, включая SLO, error budgets, реагирование на инциденты и операционное совершенство.
• Опыт проектирования масштабируемой, безопасной, высокодоступной облачной инфраструктуры.
• Отличные навыки устранения неполадок, автоматизации и решения проблем.
• Отличные коммуникативные навыки со способностью устанавливать инженерные стандарты в нескольких командах.
• Будет плюсом
• Опыт создания общих платформенных инженерных возможностей, поддерживающих несколько продуктов или бизнес-единиц.
• Опыт интеграции недавно приобретенных продуктов или модернизации устаревших платформ.
• Опыт проектирования self-service платформ для разработчиков.
• Знакомство с AI-assisted инженерными рабочими процессами и автоматизацией инфраструктуры.
• Опыт поддержки высоконагруженных корпоративных SaaS-продуктов и распределенных систем.
• Сильный фокус на оптимизации затрат в облаке и операционной эффективности.

Что предлагаем