Staff Software Engineer, Robinhood Command Center

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

Инженер в новую команду надёжности Robinhood Command Center, которая первой реагирует на продакшн-инциденты. Роль про лидерство в инцидентах, observability и построение процессов и инструментов incident response.

Задачи

• Быть техническим лидером и определять долгосрочную стратегию надёжности и observability инфраструктуры Robinhood
• Координировать устранение инцидентов: управлять владельцами сервисов, принимать решения о rollback и переключении трафика, поддерживать единый источник правды
• Разрабатывать и поддерживать процессы и регламенты incident management
• Отвечать за обнаружение инцидентов на уровне компании: глобальные дашборды и алерты по критичным пользовательским сценариям, доступности и бизнес-метрикам
• Развивать инструменты и процессы incident response, включая обучение, адоптацию и измерение улучшений MTTD/MTTR
• Выстраивать post-incident governance: стандарты постмортемов, SEV-ревью и трекинг follow-up задач
• Проектировать и внедрять стратегии митигации отказов без полного переключения региона или дата-центра
• Создавать фреймворки для мониторинга, алертинга и observability сотен сервисов и систем
• Определять и вести roadmap по observability критичных пользовательских сценариев продуктов Robinhood
• Готовить ключевые инсайты и отчётность для руководства по качеству сервисов и надёжности
• Менторить инженеров, влиять на техническую культуру и участвовать в найме

Требования

• 8+ лет опыта в software engineering, включая значительный опыт эксплуатации продакшн-систем
• 3+ года в reliability engineering, инфраструктуре, распределённых системах или production operations
• Практический опыт в ролях incident leadership (IMOC, incident commander, primary oncall)
• Сильные навыки коммуникации и кросс-функциональной работы, особенно во время инцидентов высокой критичности
• Глубокое знание надёжности систем, observability-фреймворков и проектирования отказоустойчивых архитектур
• Опыт с multi-region и multi-cluster архитектурами, capacity planning и стратегиями failover
• Знакомство с современными observability-стеками (OpenTelemetry, Prometheus, Grafana)
• Подтверждённая способность измеримо улучшать MTTD, MTTR, доступность или влияние на клиентов

Условия

• Работа в офисе Menlo Park, Калифорния, с личным присутствием минимум 3 дня в неделю
• Performance-driven компенсация с множителями за выдающийся вклад, бонусные программы, опционы и 401(k) matching
• 100% оплата медицинской страховки для сотрудников и 90% для иждивенцев
• Lifestyle wallet — гибкий счёт на wellness, обучение и другое
• Оплачиваемое работодателем страхование жизни и инвалидности, fertility- и mental health-бенефиты
• Отпуск, больничные, родительский отпуск и корпоративные праздники
• Офис с кейтерингом, мероприятиями и комфортными рабочими местами
• Базовая зарплата по зонам: Zone 1 — $196,000–$230,000, Zone 2 — $172,000–$202,000, Zone 3 — $153,000–$179,000

Навыки

• OpenTelemetry
• Prometheus
• Grafana
• distributed systems
• observability
• incident management
• MTTD
• MTTR
• capacity planning
• failover
• multi-region architecture
• multi-cluster architecture