Задачи:
— Развивать и поддерживать IT-инфраструктуру, обеспечивать стабильность и отказоустойчивость систем.
— Настраивать и сопровождать процессы CI/CD, автоматизировать развёртывание и эксплуатацию сервисов.
— Работать с контейнеризацией и оркестрацией на базе Docker и Kubernetes.
— Автоматизировать инфраструктурные и эксплуатационные задачи с использованием Ansible, Bash и Python.
— Администрировать базы данных, обеспечивать резервное копирование, восстановление и мониторинг.
— Поддерживать и оптимизировать процессы загрузки, преобразования и обработки данных (ETL).
— Участвовать в развитии хранилищ данных (DWH) и витрин данных.
— Настраивать мониторинг, алертинг и диагностику инфраструктуры и сервисов.
— Анализировать и устранять проблемы производительности, загрузки и обработки данных.
— Использовать AI-инструменты и AI-агентов для автоматизации рутинных DevOps-задач и повышения эффективности работы.
Требования:
— Опыт работы в DevOps и/или Data Engineering от 4 лет с практическими навыками в обоих направлениях.
— Уверенное владение Linux (Ubuntu/Debian, CentOS/RHEL).
— Опыт работы с Docker, Kubernetes и Helm.
— Практический опыт работы с Ansible и CI/CD на базе GitLab.
— Навыки автоматизации с использованием Bash и Python.
— Уверенное владение SQL и опыт работы с PostgreSQL.
— Опыт работы с одной или несколькими СУБД: PostgreSQL, ClickHouse, Greenplum.
— Понимание принципов построения хранилищ данных (DWH) и организации ETL-процессов.
— Опыт работы с Apache NiFi и/или Apache Airflow.
— Опыт настройки мониторинга и алертинга (Grafana, Prometheus или аналоги).
— Понимание сетевых технологий и протоколов TCP/IP, HTTP, DNS.
— Умение самостоятельно решать технические задачи и взаимодействовать с проектной командой.
Будет плюсом:
— Практический опыт разработки ETL-процессов, хранилищ и витрин данных.
— Опыт работы с Python-библиотеками SQLAlchemy и Pandas.
— Знакомство с продуктами Arenadata (ADB, ADS, ADH).
— Опыт работы с Hadoop, PySpark или Apache Kafka.
— Опыт работы с Terraform и OpenStack.
— Опыт настройки высокодоступных и масштабируемых систем.
— Понимание принципов Data Quality и опыт автоматизации проверок качества данных.
— Практический опыт использования AI/LLM-инструментов и AI-агентов для автоматизации инженерных задач.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.