Staff SRE-инженер по базам данных

Grafana Labs — компания, разрабатывающая Grafana Cloud, полностью управляемую платформу наблюдаемости. Grafana Cloud работает на Mimir, Loki, Tempo и Pyroscope как мультитенантные SaaS-базы данных в AWS, GCP и Azure по всему миру. Компания полностью удалённая, сотрудники в более чем 40 странах.

Роль: Staff Software Engineer в команде SRE, отвечающей за надёжность этих баз данных в масштабе. Роль сочетает разработку и эксплуатацию.

Задачи:

• Писать production-код в сервисах, инструментах и кодовых базах Mimir, Loki и Tempo, чтобы сделать базы данных более устойчивыми, самовосстанавливающимися и масштабируемыми.
• Создавать автоматизацию и платформенные инструменты, снижающие рутину и масштабирующие практики надёжности между регионами и облачными провайдерами.
• Вести техническое проектирование: писать дизайн-документы, ревьюить дизайны и PR, влиять на проектирование функций с учётом масштабируемости и эксплуатации.
• Владеть фреймворком SLO: определять и развивать per-tenant SLO и модели надёжности, использовать SLO burn и выводы из инцидентов для устранения причин отказов.
• Улучшать наблюдаемость и алертинг, чтобы находить проблемы раньше клиентов и делать эскалации информативными.
• Быть on-call для клиентов с наивысшим SLA, быть точкой технической эскалации для сложных клиентских окружений, вести реагирование на инциденты, влияющие на клиентов, включая бридж-звонки, и писать беспристрастные пост-инцидентные разборы.
• Выполнять операционную работу, связанную с on-call: расследовать эскалации, отслеживать действия по инцидентам, настраивать ёмкость и конфигурацию, превращать повторяющиеся проблемы в постоянные исправления или автоматизацию.
• Наставлять инженеров, обучать практикам надёжности, работать с руководством над дорожными картами и продуктовой стратегией.

Требования:

• 8+ лет опыта в разработке ПО, включая значительный опыт создания и эксплуатации распределённых систем в production.
• Сильные навыки production-разработки, желательно хотя бы на одном объектно-ориентированном языке; умение писать чистый протестированный код и вносить точечные изменения в крупные open-source кодовые базы.
• Глубокое понимание распределённых систем: производительность, масштабирование и режимы отказов.
• Опыт эксплуатации мультитенантных систем в масштабе на Kubernetes в AWS, GCP или Azure с инструментами infrastructure-as-code, такими как Terraform, Helm или Jsonnet.
• Практический опыт проектирования и внедрения SLO.
• Опыт on-call для production-систем, спокойная и методичная диагностика.

Условия:

• Удалённая работа, кандидаты из Великобритании, Швеции, Испании, Германии или Ирландии.
• Дежурства в будни: 12-часовые смены с понедельника по пятницу, разделённые между Северной Америкой и Европой, покрывают местные рабочие часы.
• Выходные покрываются отдельной 24-часовой ротацией; примерно раз в шесть-восемь недель.
• Компания ценит интеллектуальное любопытство, прозрачность, высокую склонность к действию и доброту.