Сопровождение инфраструктуры и сервисов в тестовых и Production-окружениях: обеспечение доступности, диагностика сбоев и устранение эксплуатационных проблем;
Самостоятельная диагностика инцидентов: анализ логов и метрик, проверка гипотез, локализация причин и восстановление работоспособности сервисов;
Развитие мониторинга в Grafana/Prometheus: настройка метрик, дашбордов и алертов, повышение их информативности и снижение количества ложных срабатываний;
Сопровождение Kubernetes-кластеров и работающих в них сервисов: диагностика проблем с workload, ресурсами, сетью, хранилищами и конфигурацией;
Подготовка и проведение инфраструктурных изменений: оценка рисков, проверка на тестовых окружениях, планирование отката и контроль результата после внедрения;
Сопровождение GitLab CI/CD и GitLab Runner, диагностика и устранение инфраструктурных проблем сборки и деплоя;
Решение Linux и сетевых задач: диагностика производительности, дисковой подсистемы, DNS, сетевой связности, сертификатов и доступности систем;
Автоматизация повторяющихся операций с помощью Bash/Python и IaC-инструментов, поддержка инфраструктурных конфигураций в Git;
Сопровождение резервного копирования и участие в проверках восстановления сервисов и данных;
Участие в разборе инцидентов и подготовке post-mortem, реализация мер по предотвращению повторных сбоев;
Ведение и актуализация технической документации, инструкций и инфраструктурных схем;
Взаимодействие с разработчиками и смежными техническими командами при диагностике проблем и подготовке изменений.
Требования
Практический опыт сопровождения Linux-инфраструктуры и сервисов в роли инженера эксплуатации, системного администратора, DevOps- или SRE-инженера;
Уверенная работа с Linux CLI: диагностика процессов, сервисов, потребления ресурсов, файловых систем, прав доступа и системных журналов;
Понимание компьютерных сетей: TCP/IP, DNS, HTTP/HTTPS, TLS, маршрутизация и балансировка; умение диагностировать проблемы сетевого взаимодействия;
Практический опыт работы с Docker и Kubernetes: понимание основных объектов и механизмов, умение диагностировать проблемы запуска, доступности и работы приложений;
Опыт работы с Grafana/Prometheus или аналогичными системами: использование метрик и логов для диагностики, настройка дашбордов и алертов;
Практический опыт сопровождения части нашего инфраструктурного стека и готовность осваивать остальные компоненты;
Понимание принципов High Availability, репликации, переключения при отказе и резервного копирования;
Опыт работы с Git и GitLab CI/CD, умение читать и изменять pipeline-конфигурации, разбираться в проблемах сборки и деплоя;
Опыт автоматизации эксплуатационных задач на Bash и/или Python, работы с Ansible, Terraform или аналогичными инструментами;
Умение последовательно диагностировать проблему: собрать факты, сформировать и проверить гипотезы, устранить причину и проверить результат;
Умение планировать изменения: оценивать влияние на сервисы, готовить проверку и откат, согласовывать потенциально опасные действия;
Способность самостоятельно вести задачи в своей зоне ответственности и своевременно привлекать коллег, когда проблема выходит за её пределы;
Умение читать техническую документацию, документировать решения и понятно сообщать о ходе работ и возникающих проблемах.
Будет плюсом
Опыт администрирования PostgreSQL и Patroni, диагностики репликации и переключения ролей;
Опыт сопровождения Redis/Sentinel;
Опыт эксплуатации Ceph и диагностики проблем распределённых хранилищ;
Опыт настройки и сопровождения HAProxy/Keepalived;
Опыт обновления Kubernetes-кластеров и инфраструктурных компонентов;
Опыт поиска узких мест производительности и планирования ресурсов;
Опыт проверки восстановления из резервных копий и проведения тестов отказоустойчивости;
Опыт улучшения мониторинга и эксплуатационных процессов по результатам инцидентов.
Условия
Конкурентная заработная плата — обсудим по итогам интервью;
Удаленный формат работы;
График 5/2: с 09:00 до 18:00 или с 10:00 до 19:00;