Site Reliability Engineering Manager

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

Руководитель SRE-команды в Platform Engineering компании Tide. Отвечает за систему надёжности: стандарты, инструменты и платформенные сервисы, определяющие надёжность по умолчанию, с фокусом на достижение SLO.

Задачи

• Нанимать, развивать и ставить чёткие цели SRE-команде
• Согласовывать SLO с владельцами сервисов и управлять политикой error budget
• Обеспечивать работу observability-платформы 24/7 в продакшене, включая SLO и алертинг
• Строить guardrails для деплоя: canary-раскатки и авто-откат
• Рано выявлять деградацию партнёров через синтетический мониторинг и vendor scorecards
• Автоматизировать ручную работу по инцидентам: таймлайны, черновики статус-апдейтов
• Превращать выводы постмортемов и паттерны инцидентов в платформенные исправления
• Отслеживать достижение SLO и метрики надёжности для клиентов
• Консультировать продуктовые инженерные команды по надёжности

Требования

• 10+ лет в разработке ПО или инфраструктурной инженерии
• 3+ года на руководящих инженерных ролях
• Сильное знание SLI, SLO, SLA и error budgets
• Практический опыт инструментирования сервисов на Java, Python и Go с OpenTelemetry
• Опыт использования Terraform
• Рабочее знание Kubernetes, AWS и Java
• Опыт с canary-раскатками, авто-откатом и авто-скейлингом
• Знание паттернов надёжности: retries, backoffs, DLQ, transactional outbox, feature flags
• Умение планировать, приоритизировать и управлять ожиданиями, особенно во время инцидентов и ретроспектив
• Опыт проведения blameless-ретроспектив с поиском корневой причины сложных проблем

Условия

• Remote first
• 25 дней оплачиваемого отпуска
• 3 оплачиваемых дня на волонтёрство или L&D
• Частное медицинское страхование
• Платформа психологической поддержки
• FitPass
• Семейный и дружественный отпуск согласно законодательству
• Личный бюджет на L&D
• Опционы

Навыки

• SLI
• SLO
• SLA
• error budgets
• OpenTelemetry
• Java
• Python
• Go
• Terraform
• Kubernetes
• AWS
• Coralogix
• Backstage
• canary rollouts
• auto-rollback
• auto-scaling
• feature flags
• retries
• backoffs
• DLQ
• transactional outbox