Staff Software Engineer — SRE баз 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, привносит ИИ в наблюдаемость и наблюдаемость в ИИ, давая командам и их агентам единую видимость данных. Среди клиентов — Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удалённая, сотрудники в более чем 40 странах.
Роль удалённая, рассматриваются кандидаты из Великобритании, Швеции, Испании, Германии или Ирландии.
О роли
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: нужно писать программное обеспечение, автоматизацию и продуктовые изменения, повышающие надёжность баз данных, включая изменения в кодовых базах Mimir, Loki и Tempo. Также предполагается дежурство для клиентов с наивысшим SLA и связанная с этим операционная работа. Нужен производственный подход к продуктовой инженерии и инженерная строгость в вопросах надёжности, а также определение технического направления в командах.
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 при быстром росте нагрузки.
- 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, влиять на проектирование функций так, чтобы они были масштабируемыми и эксплуатируемыми с первого дня.
- Отвечать за SLO-фреймворк: определять и развивать SLO для каждого тенанта и модели надёжности, использовать SLO burn и выводы из инцидентов для поиска и устранения причин отказов в самих системах.
- Улучшать наблюдаемость и алертинг, чтобы проблемы находились раньше клиентов, а эскалации были полезными, а не шумными.
- Дежурить для клиентов с наивысшим SLA: быть точкой технической эскалации для сложных клиентских окружений, вести реагирование на инциденты, влияющие на клиентов, включая клиентские бридж-звонки при необходимости, писать беспристрастные пост-инцидентные разборы, ведущие к инженерным исправлениям.
- Выполнять операционную работу, связанную с дежурствами: 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 применяют на ранних этапах разработки, работать с инженерным руководством над дорожными картами и продуктовой стратегией.
Дежурства
Дежурства в будни — 12-часовые смены с понедельника по пятницу, разделённые между Северной Америкой и Европой, так что вы покрываете свои локальные рабочие часы. Выходные покрываются отдельной 24-часовой ротацией. Примерно раз в шесть-восемь недель выпадает дежурство на выходных.
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 рассуждать о том, 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 дежурств на production-системах, спокойное и методичное устранение неполадок.
Ценятся интеллектуальное любопытство, прозрачность по умолчанию, склонность к действию и доброта.
