SRE-специалист (Телеком)

Команда занимается развитием и поддержкой инфраструктуры продукта и одним из важных направлений является обеспечение надежности, производительности и отказоустойчивости компонентов продукта. Для этих целей в продукт были внедрены средства мониторинга, сбора логов и трейсов, а также визуализация и алертинг, которые позволяют отслеживать внутреннее состояние компонентов продукта и сигнализизировать в случае возникновения аномальных ситуаций. В данном направлении команда непосредственно занимается деплоем, оптимизацией компонентов observability, созданием дашбордов, алертов, построением отказоустойчивой инфраструктуры в области observability.

Чем предстоит заниматься:

• Повышать надежность, наблюдаемость компонентов продукта;
• Автоматизация работ по развертыванию и обновлению компонентов, связанных с наблюдаемостью системы;
• Проектировать, внедрять и поддерживать метрики, alerts, dashboards в актуальном состоянии;
• Проектировать и внедрять отказоустойчивую архитектуру компонентов продукта;
• Взаимодействовать с командой разработчиков, участвовать в процессах ревью продуктовых требований.

Что мы требуем от будущего члена команды:

• Опыт работы с операционной системой Linux на уровне администратора;
• Опыт работы с системами мониторинга Prometheus/VictoriaMetrics, визуализации данных с помощью Grafana;
• Опыт работы с системами сбора и хранения логов/трейсов;
• Опыт работы с Ansible;
• Знание одного или нескольких скриптовых языков Python/Bash;
• Понимание принципов построения отказоустойчивых систем.

Будет плюсом:

• Опыт работы с базой данных Clickhouse;
• Опыт работы с OpenTelemetry Collector.