Site Reliability Engineer (AI)

Задачи: — Обеспечивать надёжность и доступность сервисов на bare metal с Kubernetes поверх железа — Строить и поддерживать observability (Prometheus, Grafana, Loki): метрики, дашборды, алерты, SLO/SLI — Реагировать на инциденты, проводить post-mortem и устранять причины, а не симптомы — Тюнить PostgreSQL и другие БД под продакшен-нагрузку, искать боттлнеки — Поддерживать CI/CD (GHES, ArgoCD), снижать время и риск деплоев — Сетевая инфраструктура: маршрутизация, сегментация, балансировка нагрузки, безопасность — On-premise и air-gapped поставки (~10%) — Capacity planning и работа над снижением toil — Безопасность, которая не тормозит команду — Взаимодействие с командой разработки и инженерами клиентов Требования: — Глубокий опыт bare metal — без облачных абстракций — Понимание внутреннего устройства Kubernetes, а не только манифестов — Опыт устранения продакшен-инцидентов под давлением, умение быстро находить root cause — Тюнинг БД под нагрузкой (приоритет — PostgreSQL) — Опыт построения observability и систем алертинга с нуля — Опыт on-prem и air-gapped развёртываний — Сети: L2/L3, routing, firewall, VPN — Продакшен Linux troubleshooting — Подход security-mindset с балансом на скорость доставки — Высокая автономность при работе с незнакомым стеком — Видение инфраструктуры за пределами текущей задачи — Английский B2+ Будет плюсом: — Опыт с GPU-кластерами для AI — Ceph/ZFS/распределённые хранилища — Опыт hardening/compliance для гос. заказчиков — Air-gap CI/CD Не ищем: — YAML-инженеров, которые только применяют готовые манифесты. Нужен человек, который понимает, что происходит под капотом — и готов первым встать ночью, если что-то упало.