STAFF SOFTWARE ENGINEER

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер платформы для Site Reliability Engineering в The Home Depot. Разработка и эксплуатация инфраструктуры наблюдаемости и автоматизации для систем розничных магазинов на GCP и GKE.

Задачи

• Разрабатывать, разворачивать и сопровождать инфраструктурную платформу для SRE с фокусом на наблюдаемость и доступность систем магазинов
• Строить и расширять внутренние платформы надёжности на GCP и GKE с использованием Terraform и cdk8s
• Разворачивать и настраивать open-source системы наблюдаемости: Grafana, Loki, Tempo, Prometheus, Pyroscope, AlertManager
• Писать запросы на PromQL, LogQL и TraceQL для дашбордов, алертов и диагностики
• Определять и внедрять SLO, SLI и error budgets с multi-window multi-burn-rate алертингом
• Разрабатывать инфраструктуру платформы автоматизации: раннеры на Kubernetes и VM, интеграционные плагины, управление доступом через GitHub
• Автоматизировать рутину: self-service онбординг, CI/CD пайплайны на GitHub Actions, AI-assisted workflows с GitHub Copilot
• Участвовать в on-call ротации для инфраструктуры наблюдаемости и автоматизации
• Расследовать и устранять продакшн-инциденты в логировании, трейсинге, профилировании и автоматизации
• Проводить blameless post-mortem и внедрять системные улучшения
• Проверять устойчивость платформы через destructive и performance тестирование
• Документировать операции платформы, писать runbooks и гайды по онбордингу

Требования

• Возраст 18 лет и старше
• Право на работу в США
• Степень бакалавра в Computer Science, Computer Engineering, IT Management, Electronics Engineering или смежной области и 3 года опыта
• 3 года опыта работы с контейнерными нагрузками на GKE через cdk8s и Helm
• Опыт провижининга инфраструктуры на GCP через Terraform (GKE, Cloud Storage, BigQuery, Pub/Sub, Cloud SQL, Cloud Logging, Compute Engine, IAM, Workload Identity)
• Опыт эксплуатации и тюнинга Loki, Tempo, Prometheus, Pyroscope, AlertManager на Kubernetes
• Опыт определения SLO, SLI и error budgets с Prometheus и multi-window multi-burn-rate алертингом
• Опыт построения инфраструктуры платформы автоматизации и управления доступом через GitHub
• Программирование на Python, TypeScript или аналогичном языке для инфраструктурной автоматизации
• Опыт проектирования и эксплуатации платформ синтетического мониторинга на Kubernetes
• Настройка Kubernetes security: RBAC, namespace isolation, service accounts, GCP IAM и Workload Identity
• Построение CI/CD пайплайнов на GitHub Actions, включая сборку образов, упаковку Helm-чартов и Terraform plan/apply
• Диагностика продакшн-проблем в распределённых системах на Kubernetes с помощью kubectl, логов и трейсинга
• Управление жизненным циклом секретов через Google Secret Manager, Kubernetes secrets и автоматическую ротацию

Условия

• Возможна удалённая работа (telecommuting)

Навыки

• Google Cloud Platform
• Google Kubernetes Engine
• Terraform
• cdk8s
• TypeScript
• Helm
• Grafana
• Loki
• Tempo
• Prometheus
• Pyroscope
• AlertManager
• PromQL
• LogQL
• TraceQL
• SLO
• SLI
• error budgets
• Kubernetes
• GitHub Actions
• GitHub Copilot
• Python
• BigQuery
• Cloud Pub/Sub
• Cloud SQL
• Cloud Logging
• Compute Engine
• IAM
• Workload Identity
• RBAC
• Google Secret Manager
• kubectl