Tech Lead SRE в Яндекс ID

Location: Москва Workplace: Офис, Гибридный Яндекс ID — одна из ключевых инфраструктурных систем Яндекса. Через неё проходят аутентификация и авторизация пользователей и сервисов, а от её работы напрямую зависит доступность большого количества продуктов компании. Система ID построена на нескольких критически важных инфраструктурных компонентах — среди них Паспорт, Blackbox, TVM и прокси. Уровень надёжности таких систем должен быть очень высоким: мы стремимся довести доступность до 99,99–99,999% там, где это возможно технически. А в тех случаях, когда это неосуществимо, — разобраться в фундаментальных ограничениях и сделать реальную надёжность как можно выше. Мы ищем опытного технического лидера. Вместе с CTO Яндекс ID вам предстоит работать над повышением надёжности платформы. Роль сочетает в себе глубокую инженерную работу, практику SRE и задачи технического лидерства. Вам нужно будет участвовать в формировании архитектуры систем, совершенствовать инженерные практики команды и развивать подходы к обеспечению надёжности критичных сервисов ID. Обязанности Обеспечение надёжности Паспорта Вы будете техническим партнёром CTO по вопросам надёжности. Вам предстоит помогать принимать архитектурные решения, выявлять системные риски, разбирать сложные инциденты и оценивать, какие инвестиции в надёжность принесут наибольший эффект. Также вы станете ментором и дополнительным экспертом для команд, которые отвечают за критически важные компоненты ID. Надёжность компонентов Яндекс ID Вы будете детально изучать работу Blackbox, TVM, Паспорта и прокси. Вам нужно будет выявить основные причины сбоев и ограничения текущей архитектуры, а затем разработать программу, которая повысит их надёжность. Цель — добиться доступности критичных компонентов на уровне 99,99–99,999% там, где это возможно технически. При этом главное — не просто достичь высоких показателей, а обеспечить реальную надёжность: чтобы система устойчиво работала при сбоях инфраструктуры и зависимостей, позволяла локализовать аварии, продолжала функционировать при частичных отказах и автоматически восстанавливала работу. Развитие SRE‑подхода Вы будете вместе с командой развивать подходы к обеспечению надёжности критичных сервисов Яндекс ID: автоматизировать эксплуатационные задачи, улучшать инструменты и процессы, развивать инфраструктурную разработку. Важно помогать команде находить системные решения проблем надёжности, сокращать объём ручной работы и постепенно наращивать инженерные практики и экспертизу внутри службы. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Работали с SRE-практиками * Обладаете сильным инженерным бэкграундом и работали с высоконагруженными распределёнными системами * Глубоко понимаете принципы построения отказоустойчивых систем и умеете находить не только отдельные проблемы, но и системные ограничения надёжности * Можете самостоятельно погрузиться в большую существующую систему и разобраться в её архитектуре, зависимостях и классах отказов * Знаете, что такое техническое лидерство, и можете влиять на несколько команд без необходимости напрямую управлять каждым инженером * Умеете превращать большие и плохо определённые проблемы в конкретную инженерную программу * Можете одновременно работать на уровне архитектуры системы и погружаться в детали конкретного инцидента или компонента * Умеете аргументировать технические решения и договариваться с сильными инженерами и руководителями Будет плюсом * Отвечали за надёжность критичных инфраструктурных систем * Строили системы с требованиями доступности 99,99% и выше * Работали над разработкой инфраструктурных систем и хорошо пишете код