Lead Principal Site Reliability Engineer

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

Senior individual-contributor и технический лидер в Oracle, отвечающий за надёжность крупномасштабных распределённых платформ: стратегия SRE, архитектура, наблюдаемость, автоматизация и инцидент-менеджмент.

Задачи

• Определять и продвигать стратегию site reliability engineering для крупномасштабных распределённых платформ
• Устанавливать стандарты надёжности и требования к операционной готовности для нескольких команд
• Влиять на архитектурные решения для обеспечения наблюдаемости, отказоустойчивости и доступности систем
• Определять и внедрять SLI, SLO, error budgets и метрики операционного здоровья
• Разрабатывать стратегии мониторинга, логирования, трейсинга и алертинга
• Проектировать и внедрять автоматизацию для снижения ручных операций и toil
• Продвигать infrastructure-as-code, policy-as-code и повторяемые практики деплоя
• Помогать командам разработки улучшать CI/CD пайплайны
• Руководить реагированием на сложные high-severity инциденты
• Проводить blameless post-incident reviews и устранять корневые причины
• Планировать ёмкость, анализировать производительность и прогнозировать нагрузку
• Проектировать и проверять high-availability, disaster recovery и backup-возможности
• Проводить resilience-тестирование, game days и fault-injection упражнения
• Совместно с security-командами встраивать безопасность в инфраструктуру и автоматизацию
• Менторить SRE, разработчиков и платформенные команды

Требования

• Обширный опыт в SRE, разработке ПО, облачной инфраструктуре, платформенной или системной инженерии
• Опыт проектирования и эксплуатации высокодоступных production-систем в большом масштабе
• Глубокие знания распределённых систем, облачной архитектуры, сетей, ОС, хранилищ и баз данных
• Продвинутый опыт с одной из облачных платформ: OCI, AWS, Azure или GCP
• Опыт с Docker и Kubernetes
• Опыт с Terraform, Ansible, Chef, Puppet или аналогами
• Опыт построения наблюдаемости: метрики, логи, трейсы, дашборды, алертинг
• Сильные навыки программирования/скриптинга на Python, Go, Java, JavaScript, Bash или похожих
• Опыт с CI/CD, автоматизированным тестированием и release-практиками
• Опыт лидерства при критических production-инцидентах
• Умение диагностировать сложные проблемы на уровне приложений, инфраструктуры, сетей и облака
• Сильные коммуникативные навыки и умение объяснять технические риски бизнесу
• Умение вести кросс-функциональные инициативы без формальных полномочий

Условия

• Hiring Range в USD: от $96,300 до $264,100 в год
• Возможны бонусы, equity и compensation deferral
• Медицинская, стоматологическая и vision-страховка
• Short term и long term disability, life insurance и AD&D
• 401(k) с match от компании
• Оплачиваемый отпуск и 11 оплачиваемых праздников
• Оплачиваемый sick leave 72 часа с возможностью накопления до 112 часов
• Paid parental leave и adoption assistance
• Employee Stock Purchase Plan
• Гибкие benefits: auto, homeowner и pet insurance

Навыки

• Oracle Cloud Infrastructure
• AWS
• Microsoft Azure
• Google Cloud Platform
• Docker
• Kubernetes
• Terraform
• Ansible
• Chef
• Puppet
• Python
• Go
• Java
• JavaScript
• Bash
• CI/CD
• observability
• chaos engineering