Senior site reliability engineer

Stack

Feladatok

• ▹A kritikus éles szolgáltatások megbízhatóságának, rendelkezésre állásának és teljesítményének gondozása és javítása
• ▹A megbízhatósági gyakorlatok kialakítása és fejlesztése: SLI-k, SLO-k, riasztás, megfigyelhetőség, production-readiness sztenderdek
• ▹Összetett éles hibák kivizsgálása elosztott rendszerekben, API-kban, hálózatban, sorokban, adatbázisokban és GPU-s terhelésekben, részvétel az ügyeleti rotációban
• ▹Incidens-áttekintések és RCA-k vezetése, az ismétlődő hibamódok tartós mérnöki javításokká alakítása
• ▹Az üzemeltetési kézimunka csökkentése automatizálással, automatikus helyreállítással, biztonságosabb telepítéssel és ellenállóbb rendszerekkel
• ▹Együttműködés a mérnöki és DevOps-csapattal kapacitástervezésben, teljesítményben, skálázásban és architekturális fejlesztésekben

Elvárások

• ▹Erős tapasztalat éles rendszerek nagy léptékű üzemeltetésében és hibaelhárításában SRE, production engineering, platform engineering vagy hasonló szerepben
• ▹Az elosztott rendszerek erős ismerete, hibakeresés alkalmazások, adatbázisok, sorok, konténerek, hálózat és infrastruktúra között
• ▹Megfigyelhetőségi rendszerek tervezésének és üzemeltetésének tapasztalata metrikákkal, naplókkal és elosztott nyomkövetéssel
• ▹Az SRE-elvek ismerete: SLI, SLO, hibakeret, kapacitástervezés, incidenskezelés, üzemeltetési kézimunka csökkentése
• ▹Tapasztalat Kubernetesszel, konténerekkel, IaC-vel és automatizált telepítéssel, valamint szoftver- és automatizálásírás Python, Go vagy PHP nyelven
• ▹Erős felelősségvállalás az éles problémákért, készség az ügyeleti rotációban való részvételre

Előny

• ▹Nagy átviteli sebességű vagy alacsony késleltetésű API-k és elosztott rendszerek üzemeltetése
• ▹Bare-metal infrastruktúra, GPU-környezetek vagy MI/ML-terhelések tapasztalata
• ▹RabbitMQ vagy más elosztott üzenetküldő és sorkezelő rendszer tapasztalata
• ▹MySQL, Redis, ClickHouse vagy hasonló éles adatrendszerek üzemeltetése
• ▹Globális forgalomirányítás, terheléselosztás, CDN és hibrid infrastruktúra tapasztalata
• ▹Automatikus skálázó, kapacitáskezelő vagy önjavító rendszerek építése

Soft skillek

Amit kínálunk

• ▹Remote-first működés, évente kétszer személyes találkozóval
• ▹Közös core hours, azon kívül szabad időbeosztás
• ▹Gyors, intenzív kiadási ciklusok utáni valódi pihenőidő

A munkáltatóról

A Runware nagy teljesítményű infrastruktúrát és termékeket épít a kép-, videó- és újabb modalitású gyors, skálázható inferenciához. Serverless platformján az ügyfelek saját MI-modelljeiket telepíthetik és skálázhatják éles GPU-infrastruktúrán.