2ГИС — технологическая компания и часть экосистемы Сбера. Нашими сервисами ежедневно пользуются миллионы людей.

Мы активно растём, а ИТ-ландшафт становится всё более масштабным и сложным. Поэтому создаём выделенную SRE-команду — центр экспертизы по надёжности сервисов. Она поможет перейти от реагирования на инциденты к системному управлению доступностью, снизить операционные риски и сделать разработку более предсказуемой.

Ищем инженера, который поможет выстроить процессы и инструменты обеспечения надёжности, будет влиять на стандарты компании и работать в тесной связке с продуктовыми и инфраструктурными командами.

Чем предстоит заниматься

Развивать Incident & Problem Management

- внедрять и развивать единый процесс управления инцидентами;

- формировать культуру postmortem-разборов без поиска виноватых;

- контролировать выполнение action items, направленных на предотвращение повторных сбоев;

- улучшать матрицу эскалаций и устранять неоднозначности в процессе реагирования.

Развивать observability

- стандартизировать внедрение OpenTelemetry: трассировок, метрик и логов;

- участвовать в создании единой платформы мониторинга и визуализации;

- разрабатывать стандарты логирования;

- контролировать объём и качество данных, поступающих в системы телеметрии.

Трансформировать подход к алертингу

- проводить аудит существующих алертов и снижать число ложных срабатываний;

- формировать единые принципы приоритизации алертов с учётом критичности сервисов;

- помогать командам настраивать полезные, своевременные и понятные уведомления.

Внедрять SRE-практики и повышать зрелость команд

- участвовать в классификации сервисов по уровням критичности: MC, BC, BO, OP;

- помогать командам определять и внедрять SLO/SLA;

- создавать дашборды для контроля Error Budget;

- разрабатывать и поддерживать runbooks, которые сокращают время восстановления сервисов;

- консультировать продуктовые команды по вопросам стабильности и надёжности.

Автоматизировать процессы

- формировать требования к развитию платформы дежурств и интеллектуальной эскалации;

- внедрять практики безопасных релизов: canary deployment, автоматический откат изменений и другие подходы к снижению рисков.

Мы ожидаем, что ты

- Работаешь в SRE или DevOps от 3 лет.

- Хорошо понимаешь принципы SRE: SLO, SLA, Error Budget, Incident Management и Observability.

- Имеешь практический опыт работы с системами мониторинга и алертинга — например, Prometheus и Grafana.

- Работал с OpenTelemetry или аналогичными инструментами.

- Автоматизируешь процессы на Python, Go, Bash или другом языке.

- Понимаешь принципы работы on-call-ротаций и систем управления инцидентами.

- Умеешь анализировать метрики производительности, находить первопричины сбоев и предлагать устойчивые решения.

- Знаком с CI/CD, Kubernetes и контейнеризацией.

Будет плюсом, если ты

- Внедрял SRE-практики с нуля или участвовал в их масштабировании в растущей компании.

- Проводил воркшопы, обучал или менторил продуктовые команды по вопросам надёжности.

Что предлагаем

- Возможность стать одним из первых участников нового стратегического направления и напрямую влиять на его развитие.

- Масштабные технические задачи: ты будешь работать над стабильностью сервисов, которыми пользуются миллионы людей.

- Реальное влияние на процессы: поможешь снизить уровень хаоса, сделать реагирование на инциденты и релизы более предсказуемыми.

- Пространство для инженерных решений: команда формируется сейчас, поэтому можно участвовать в выборе подходов, стандартов и инструментов.

- ИТ-акредитацию

- Удаленную работу по РФ или гибрид в городах, где есть офис (Новосибирск, Москва, Санкт-Петербург).