SRE-инженер баз данных и распределённых систем

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

Задачи

• Встраивать надёжность в продукт: писать продакшен-код в сервисах, инструментах и кодовых базах Mimir, Loki и Tempo, чтобы базы данных были устойчивее, самовосстанавливались и масштабировались при быстром росте нагрузки.
• Создавать автоматизацию и платформенные инструменты, которые убирают ручную работу и масштабируют практики надёжности между регионами и облачными провайдерами.
• Вести технический дизайн: писать дизайн-документы, ревьюить чужие дизайны и пул-реквесты, влиять на дизайн функций, чтобы они были масштабируемыми и эксплуатационно готовыми с первого дня.
• Владеть SLO-фреймворком: определять и развивать SLO для каждого тенанта и модели надёжности. Использовать SLO burn и выводы из инцидентов, чтобы находить и устранять причины сбоев в самих системах.
• Улучшать наблюдаемость и алертинг, чтобы проблемы находились до клиентов, а эскалации были пригодными для действий, а не шумными.
• Быть on-call для клиентов с самым высоким SLA. Выступать технической точкой эскалации для сложных клиентских окружений, вести реагирование на клиентские инциденты, включая бридж-звонки при необходимости, и писать разборы инцидентов без поиска виноватых, которые ведут к инженерным исправлениям.
• Выполнять операционную работу, связанную с on-call: разбирать клиентские эскалации, следить за выполнением действий после инцидентов, настраивать ёмкость и конфигурацию, превращать повторяющиеся проблемы в постоянные исправления или автоматизацию.
• Развивать команду: менторить инженеров, обучать практикам надёжности, которые команды внедряют на ранних этапах разработки, работать с руководством инженерной организации над дорожными картами и продуктовой стратегией.

Требования

• 8+ лет опыта в software engineering, включая значительный опыт создания и владения распределёнными системами в продакшене.
• Сильные навыки продакшен-разработки, желательно как минимум на одном объектно-ориентированном языке. Умение писать чистый, покрытый тестами код и вносить точечные изменения в большие open-source-кодовые базы, которые вы не писали.
• Глубокое понимание распределённых систем: производительность, масштабирование и режимы отказов. Умение 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 инфраструктуры как кода, такими как Terraform, Helm или Jsonnet.
• Практический опыт проектирования и внедрения SLO.
• Опыт on-call для продакшен-систем; спокойная и методичная диагностика.

Условия

• Удалённая работа. Кандидаты из Великобритании, Швеции, Испании или Германии.
• Будничные on-call-смены по 12 часов с понедельника по пятницу, разделённые между Северной Америкой и Европой, покрывают локальные рабочие часы. Выходные покрываются отдельной 24-часовой ротацией; дежурство в выходные примерно раз в шесть-восемь недель.