Site Reliability Engineer(SRE)

AI-платформа корпоративного уровня — аналог AI Hub. Реализован чат-интерфейс (аналог ChatGPT) и сценарии сбора аналитики по собственным базам знаний (RAG на базе Qdrant) и по открытым источникам в интернете. В качестве LLM используются современные модели, задействован LLM-шлюз с маршрутизацией запросов. Проект введён в промышленную эксплуатацию: работают реальные пользователи, нагрузка стабилизирована, требования к доступности согласованы. ·       PostgreSQL — основное хранилище данных ·       Kubernetes — оркестрация ·       Kafka — обмен событиями ·       Redis — кэширование ·       S3 (совместимое объектное хранилище) — данные и бэкапы ·       Qdrant — векторная база знаний ·       Prometheus + Grafana — мониторинг ·       OpenSearch — логи

• **Технологический стек:**

• обеспечение доступности и отказоустойчивости платформы в проде: определение и контроль SLO/SLI, дежурства, разбор инцидентов, проведение postmortem

• разработка и сопровождение CI/CD-конвейеров, инфраструктуры как кода (IaC)

• управление Kubernetes: кластеры и версии, admission-контроллеры, network policies, resource limits/requests, HPA, автоскейлинг

• диагностика и оптимизация производительности (CPU / memory / I/O), профилирование нагрузки LLM-инференса

• настройка и развитие наблюдаемости: метрики, логи, трассировки, алертинг, дашборды

• управление секретами и доступом, выполнение требований безопасности

• работа с Kafka, Redis, PostgreSQL и S3: настройка, тюнинг, резервное копирование и восстановление, DR-планы

• участие в архитектурных решениях для новых сервисов платформы.

• 3+ года опыта в SRE / DevOps / платформенной инфраструктуре

• глубокий опыт работы с Kubernetes в промышленной эксплуатации

• PostgreSQL: планирование запросов, индексы, репликация, бэкапы и восстановление

• Kafka, Redis, S3-совместимые объектные хранилища

• CI/CD, Linux, Bash

• мониторинг и логирование: Prometheus / Grafana, OpenSearch, алертинг

• понимание принципов SLO / SLI / Error Budgets

• опыт работы с облачной и on-premise инфраструктурой, сетевой уровень, TLS

• опыт создания AI-агентов и использования их в работе будет преимуществом.

• **Будет плюсом:**

• опыт эксплуатации ML/LLM-инференса (vLLM, Triton, KServe), понимание нагрузочных профилей GPU

• опыт работы с векторными БД (Qdrant, Milvus, pgvector)

• знание IaC (Terraform, Ansible)

• опыт участия в RAG / AI-платформенных проектах

• навыки написания postmortem и улучшения процессов эксплуатации.

• гибридный формат работы

• годовой бонус и ежегодный пересмотр зарплаты

• статус аккредитованной ИТ-компании

• расширенный ДМС с первого дня и льготное страхование для семьи

• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• 90 дней удаленной работы из любого региона РФ

• льготная ипотека в Сбере

• бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими.