SRE-инженер по наблюдаемости
Web3 Tech — разработчик продуктов на основе блокчейн-технологий, создатель блокчейн-платформы «Конфидент». Среди реализованных проектов — Национальная система ДЭГ, блокчейн-платформа для ФНС, платформы ЦФА для Альфа-Банка и Тинькофф, кастодиальное решение «Цифровое казначейство».
Компания строит с нуля платформу для регулируемых операций с цифровыми активами — на стыке финтеха, криптовалют и биржевой инфраструктуры. Это микросервисная система с высокими требованиями к надежности, безопасности и корректности финансовых операций.
Ищем SRE-инженера, который самостоятельно выстроит и будет развивать платформу наблюдаемости для продуктов. Главный фокус — обеспечить техническую поддержку и продуктовые команды логами, метриками, инструментами диагностики и понятными сценариями работы с инцидентами. Предстоит проектировать, разворачивать, настраивать и сопровождать компоненты платформы, предоставлять командам интерфейсы самообслуживания, внедрять AI-инструменты для диагностики и выявления проблем.
Задачи:
- Развитие платформы наблюдаемости: выбор компонентов, развёртывание, интеграции, настройка доступа, производительности и отказоустойчивости.
- Сбор метрик и логов: настройка агентов, экспортёров, обработки и доставки данных; контроль полноты сбора, задержек и потерь.
- Инструменты для техподдержки: дашборды, поиск логов, готовые диагностические запросы и корреляция событий между сервисами.
- Самообслуживание команд: интерфейсы для управления дашбордами, правилами алертинга, маршрутами уведомлений и временным подавлением алертов в пределах назначенных прав.
- Маршрутизация алертов: настройка критичности, ответственных, каналов уведомлений и эскалаций; сокращение шума и дублирования, привязка уведомлений к диагностике и ранбукам.
- AI для диагностики алертов: внедрение инструментов, которые собирают контекст из метрик, логов, истории инцидентов и изменений, предлагают вероятные причины со ссылками на данные и рекомендуют следующие шаги проверки. Оценка качества выводов и пользы для поддержки.
- Поиск аномалий: определение нормального поведения сервисов с учётом сезонности и профиля нагрузки, выявление необычных изменений в метриках и логах, поиск ранних признаков деградации.
- Периодическая аналитика: анализ ошибок, задержек, нагрузки, повторяющихся инцидентов и качества алертинга за выбранный период. Подготовка отчётов с тенденциями, проблемными участками и предложениями по улучшению.
- Ранбуки: подготовка и проверка инструкций с симптомами, последовательностью диагностики, допустимыми действиями и условиями эскалации; обновление по результатам инцидентов.
- Хранение и защита данных: организация хранения прикладных, инфраструктурных, аудиторских логов и событий безопасности. Совместно с ИБ и юристами — определение требований законодательства РФ и внутренних политик; самостоятельно — реализация правил доступа, маскирования, хранения, архивирования и удаления, включая использование данных AI-инструментами.
- Автоматизация: воспроизводимые конфигурации, управление изменениями через Git, документация и обучение команд работе с платформой.
Требования:
- Опыт самостоятельного развёртывания и эксплуатации систем мониторинга и централизованного логирования.
- Уверенная работа с Linux, Kubernetes и сетями, умение диагностировать production-инциденты.
- Понимание принципов проектирования сбора и хранения данных: оценка объёмов, кардинальности метрик, нагрузки, сроков хранения и потребности в ресурсах.
- Знание принципов структурированного логирования, корреляции событий, алертинга и эскалаций.
- Умение анализировать временные ряды и логи, определять базовый уровень показателей, учитывать сезонность и отличать значимые отклонения от шума.
- Опыт внедрения AI/LLM-инструментов в эксплуатационные процессы, проверки достоверности их выводов и измерения результата: время диагностики, точность гипотез, количество ложных срабатываний.
- Умение превращать результаты анализа в конкретные изменения мониторинга, ранбуков и инфраструктуры.
- Способность организовать работу нескольких команд с платформой, разграничив доступ и ответственность.
- Понимание особенностей обработки персональных данных и другой защищаемой информации.
- Навык написания понятных инструкций и автоматизации операций на Python, Go или Bash.
Технологические ориентиры: VictoriaMetrics для метрик, VictoriaLogs или OpenSearch для логов, Grafana для визуализации. Стек, способы поиска аномалий и AI-инструменты обсуждаются с учётом задач, объёмов данных, требований к безопасности и стоимости эксплуатации.
Будет плюсом: опыт работы с несколькими линиями поддержки, построения платформ самообслуживания, применения статистических методов обнаружения аномалий и использования Terraform, Ansible, Helm и GitOps.
Условия:
- Оформление по ТК РФ, белая зарплата.
- Аккредитованная ИТ-компания (отсрочка, льготная ипотека).
- Удалённая работа, гибкий график.
- Доступ к современным моделям AI.
- ДМС, компенсация спорта и профильного обучения.