Руководитель направления SRE и надежности облачной платформы
Что за роль
Руководитель направления отвечает за аудит и повышение надежности информационных систем клиентов, размещённых на платформе Evolution Stack. Работа объединяет SRE и DevOps-практики, управление командой инженеров, взаимодействие с заказчиками и развитие методологии оценки доступности сервисов.
Что предстоит делать
- Аудировать архитектуру клиентских систем, схемы деплоя и эксплуатационные практики, выявлять пробелы в надежности на уровне приложений, инфраструктуры, сети и процессов.
- Определять текущий уровень SLA и готовить планы его повышения, включая изменения архитектуры, деплоя, инфраструктуры и мониторинга.
- Формировать SLO и SLI для критичных сервисов, проектировать дашборды доступности и раннее оповещение о сбоях.
- Представлять планы руководству заказчика, согласовывать объём работ, сроки и ресурсы; участвовать в presales и оценивать реализуемость SLA-обязательств.
- Координировать реализацию улучшений с командами клиентов, архитекторами, инженерами внедрения и DevOps, а также взаимодействовать с продуктовыми и инженерными командами Evolution Stack.
- Участвовать в разборе крупных инцидентов, проводить анализ первопричин и контролировать корректирующие действия.
- Формировать и развивать команду SRE-инженеров, распределять нагрузку, заниматься наймом и менторством; стандартизировать аудит с помощью чек-листов, playbook’ов и шаблонов Production Readiness Review.
- Отчитываться о портфеле SLA-контрактов, ходе проектов повышения надежности и связанных рисках.
Что потребуется
- От пяти лет опыта в SRE, DevOps или эксплуатации высоконагруженных систем; не менее двух лет на позиции тимлида или руководителя команды.
- Опыт управления командой, в среднем от трёх человек, и практическое внедрение SLA, SLO и SLI.
- Опыт с observability-стеком: Prometheus, Grafana, Zabbix или VictoriaMetrics; ELK или OpenSearch; Alertmanager, PagerDuty или Opsgenie.
- Практика incident management, постмортемов, root-cause analysis и контроля corrective actions.
- Знание отказоустойчивой архитектуры: multi-AZ, failover, балансировка нагрузки, circuit breaker, disaster recovery, RTO и RPO.
- Опыт с Kubernetes, Terraform или Ansible, CI/CD и принципами GitOps; уверенное администрирование и диагностика Linux.
- Знание Go, Python или Java на уровне, достаточном для автоматизации и создания инструментов; понимание распределённых систем и микросервисов.
- Умение вести переговоры и защищать технические планы перед руководством заказчика; опыт работы с крупными коммерческими и государственными клиентами и понимание требований регулируемых отраслей.
Что важно знать
Задачи охватывают полный цикл работы с надежностью: от оценки текущей доступности и проектирования улучшений до реализации изменений и контроля последствий инцидентов. Помимо инженерной экспертизы, важны управление командой и способность согласовывать технические решения с клиентами и внутренними командами платформы.
Подписка TalentMove
Больше,
чем вакансии
→ TalentScanAI
Узнайте стоимость вашего опыта на рынке
→ Закрытое сообщество
Нетворкинг и инсайды рынка труда
→ Топ вакансии
Лучшие вакансии с доставкой в Telegram