Мы ищем Middle/Senior DevOps-инженера, который присоединится к нашей команде для построения и развития надежной, масштабируемой и безопасной инфраструктуры.
Чем предстоит заниматься:
Развитие инфраструктуры: Проектировать, развивать и поддерживать приложения в собственных контурах с использованием принципов IaC.
K8s: Разворачивать и приводить к стандарту k8s-кластеры (сети, ingress, storage, секреты, autoscaling).
CI/CD: Настраивать и поддерживать эффективные процессы непрерывной интеграции и доставки (CI/CD) на основе GitLab Flow.
Автоматизация: Автоматизировать рутинные операции с помощью Ansible, Terraform.
Мониторинг и логи: Развивать систему мониторинга и сбора логов (Grafana, ELK-stack) для оперативного контроля и предотвращения инцидентов.
Техническая поддержка: Участвовать в устранении инцидентов (troubleshooting) на всех уровнях стека — от сети и ОС до приложений.
Требуесый опыт (3+ лет на позициях DevOps/SRE):
Kubernetes: администрирование production кластеров, работа с Helm, ArgoCD, понимание Service Mesh (Istio).
Умение работать с Bare-metal и работать не с облачными managed-решениями.
Автоматизация и IaC: практический опыт Terraform, Ansible.
CI/CD: опыт настройки пайплайнов GitLab CI, Jenkins, понимание Gitlab Flow, trunk-based development.
Мониторинг: навыки настройки Prometheus, Grafana, ELK Stack, опыт с observability инструментами.
Программирование: уверенные навыки Python и Bash.
Сетевые технологии: TCP/IP, DNS, HTTP, NAT, знание принципов работы сетевых устройств.
Опыт построения отказоустойчивых конфигураций Kafka, Redis.
Будет плюсом:
Опыт с высоконагруженными системами (highload).
Опыт программирования Go.
Сертификации: AWS Certified DevOps Engineer, Azure Administrator, GCP Professional Cloud Architect.
Опыт в Machine Learning / Data Platform инженерии.
Цели команды и метрики успеха:
TTFD (Time To First Deployment): разработка нового сервиса или фичи выходит в production за часы, а не дни или недели.
MTTR (Mean Time To Recovery): стабильное снижение времени восстановления после инцидентов.
Alarmfatigue prevention: алерты без шума, каждый alert действителен, настроены runbooks и playbooks для автоматизированного реагирования.
IaC-покрытие инфраструктуры: 90%+ кода инфраструктуры в версионной системе (Git).
Disaster Recovery: регулярные DR-тесты в заданные RTO/RPO, документирование стратегии восстановления.
Автоматизация: минимизация ручных операций, экономия ресурсов, снижение операционных затрат (CapEx/OpEx).
