Site Reliability Engineering Manager

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

Руководитель команды SRE в Onebrief: отвечает за надёжность, безопасность и поддержку mission-critical развёртываний в on-prem окружениях DoD и AWS. Управляет командой, планирует capacity, выстраивает процессы incident response и снижает операционную нагрузку.

Задачи

• Руководить командой SRE: найм, коучинг и развитие инженеров по инфраструктуре, операциям и надёжности приложений
• Управлять capacity и планированием работ: разбивать инициативы на задачи, расставлять приоритеты и корректировать обязательства
• Координировать поставку между platform engineering, application engineering, security и customer success
• Формировать roadmap надёжности на основе потребностей клиентов, production-данных и инцидентов
• Обеспечивать операционную ответственность за production-развёртывания: escalation paths и критерии готовности
• Поддерживать incident response силами команды: on-call, blameless postmortems и AAR
• Направлять технические приоритеты в инфраструктуре, автоматизации, observability и надёжности приложений
• Делать надёжность и нагрузку видимыми через SLI, SLO и операционные метрики
• Снижать операционный toil за счёт автоматизации развёртывания, обслуживания и восстановления

Требования

• Активный допуск Secret
• 5+ лет в Site Reliability Engineering, Platform Engineering, DevOps или смежной роли с существенным опытом инфраструктуры и операций
• Опыт прямого управления инженерами: коучинг, performance management, развитие карьеры, найм
• Опыт планирования capacity команды и координации работ между командами
• Подтверждённый опыт внедрения улучшений надёжности при параллельной операционной нагрузке
• Опыт incident response и post-incident review
• Техническая экспертиза для оценки инженерных предложений и операционных рисков
• Навыки коммуникации и переговоров по scope, срокам и обязательствам
• Практический опыт эксплуатации production-систем: IaC, configuration management, скрипты (Terraform, Ansible, Python, Go, Bash)
• Kubernetes: развёртывание, troubleshooting, эксплуатация
• CI/CD, безопасность релизов и повторяемые развёртывания
• Опыт работы с AWS или AWS GovCloud и customer-managed инфраструктурой
• Observability: мониторинг, логирование и алертинг (Grafana stack, ELK, Datadog)
• Сетевые протоколы, безопасная конфигурация и диагностика связности
• Работа с инженерами над диагностикой сбоев приложений

Условия

• Работа преимущественно on-site в локациях заказчика
• Релокационная поддержка при необходимости
• Распределённая команда: часть сотрудников работает удалённо
• Компания основана в 2019 году, оценка более $2 млрд, инвестиции General Catalyst, Battery Ventures, Insight Partners, Sapphire Ventures, Human Capital

Навыки

• Terraform
• Ansible
• Python
• Go
• Bash
• Kubernetes
• CI/CD
• AWS
• AWS GovCloud
• Grafana
• ELK
• Datadog
• SLI
• SLO
• GitOps
• VMware
• Proxmox
• Nutanix
• Hyper-V
• TypeScript
• Node.js
• RMF
• STIG
• ICD 503