Staff SRE-инженер по базам данных
Grafana Labs — компания, стоящая за Grafana Cloud, полностью управляемой платформой наблюдаемости, которой доверяют более 10 000 организаций. Grafana Cloud работает на открытом исходном коде и открытых стандартах, обеспечивает совместимость с любым стеком и привносит ИИ в наблюдаемость и наблюдаемость в ИИ. Среди клиентов — Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удалённая, сотрудники находятся в более чем 40 странах.
Grafana Cloud запускает Mimir, Loki, Tempo и Pyroscope как мультитенантные SaaS-базы данных в AWS, GCP и Azure по всему миру. Клиенты с наивысшим SLA зависят от них в работе своего бизнеса. Ищут Staff Software Engineer, который будет поддерживать надёжность этих систем в масштабе. Роль сочетает разработку и эксплуатацию.
Задачи:
- Встраивать надёжность в продукт: писать production-код в сервисах, инструментах и кодовых базах Mimir, Loki и Tempo, делая базы данных более устойчивыми, самовосстанавливающимися и масштабируемыми.
- Создавать автоматизацию и платформенные инструменты, устраняющие рутину и масштабирующие практики надёжности между регионами и облачными провайдерами.
- Вести техническое проектирование: писать дизайн-документы, рецензировать чужие проекты и PR, формировать дизайн функций с учётом масштабируемости и эксплуатабельности с первого дня.
- Владеть фреймворком SLO: определять и развивать SLO на уровне тенантов и модели надёжности, использовать выгорание SLO и уроки инцидентов для поиска и устранения причин отказов.
- Улучшать наблюдаемость и алертинг, чтобы находить проблемы раньше клиентов и делать эскалации действенными, а не шумными.
- Быть на вызове для клиентов с наивысшим SLA: выступать технической точкой эскалации для сложных клиентских сред, руководить реагированием на инциденты, влияющие на клиентов, включая бридж-звонки, и писать беспристрастные пост-инцидентные разборы, ведущие к инженерным исправлениям.
- Выполнять операционную работу, связанную с on-call: разбирать клиентские эскалации, отслеживать действия по инцидентам, настраивать ёмкость и конфигурацию, превращать повторяющиеся проблемы в постоянные исправления или автоматизацию.
- Усиливать команду: наставлять инженеров, обучать практикам надёжности, которые команды перенимают на ранних этапах разработки, работать с инженерным руководством над дорожными картами и продуктовой стратегией.
Требования:
- 8+ лет опыта в разработке ПО, включая значительное время создания и владения распределёнными системами в production.
- Сильные навыки production-разработки, желательно хотя бы на одном объектно-ориентированном языке. Умение писать чистый, покрытый тестами код и вносить точечные изменения в большие open-source кодовые базы, написанные не вами.
- Глубокое понимание распределённых систем: производительность, масштабирование и режимы отказов. Способность предвидеть, как система сломается, до того как это произойдёт.
- 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. Умение спокойно и методично устранять неполадки.
Условия:
- Удалённая работа. Рассматриваются кандидаты из Великобритании, Швеции, Испании или Германии.
- Дежурства в будни: 12-часовые смены с понедельника по пятницу, разделённые между Северной Америкой и Европой, чтобы покрывать местные рабочие часы. Выходные покрываются отдельной 24-часовой ротацией. Примерно раз в шесть-восемь недель выпадает дежурство на выходных.
- Компания ценит интеллектуальное любопытство, прозрачность по умолчанию, высокую склонность к действию и доброту.
