Требования
• опыт SRE / DevOps / Production Support высоконагруженных распределенных систем от 3-х лет.
• администрирование Linux: systemd, cgroups, файловые системы, диагностика (top, iostat, vmstat, strace, tcpdump, ss); сети: TCP/IP, DNS, HTTP/2, TLS.
• Kubernetes / OpenShift: workloads, Service и Ingress, ConfigMap и Secret, probes, requests / limits, HPA; диагностика CrashLoopBackOff, OOMKilled, проблем scheduling; Helm.
• Prometheus и Grafana: PromQL, alerting rules, Alertmanager; ELK / OpenSearch.
• Apache Kafka: топики, партиции, consumer groups, consumer lag, ISR, retention, ребалансировка.
• PostgreSQL: SQL, анализ планов запросов, репликация, бэкап и восстановление.
• Понимание метрик качества ML-моделей (precision, recall, F1, FPR, confusion matrix, дрейф данных) и умение строить по ним дашборды и алерты.
• автоматизация на Bash и Python.
• CI/CD (GitLab CI, Jenkins), Git, подход GitOps.
• SRE-практики: SLI / SLO / SLA, error budget, blameless post-mortem; процессы ITSM (инциденты, изменения, проблемы).
• опыт работы в команде по гибким методологиям разработки (Agile/Scrum/Kanban).
Будет плюсом:
• Apache Flink: checkpoints и savepoints, backpressure, watermarks; Apache Spark, Hadoop HDFS.
• OpenTelemetry (Collector, sampling), Jaeger.
• Векторные БД: Qdrant, Milvus, pgvector.
• MLOps: MLflow, сервинг моделей (Triton, vLLM, KServe), мониторинг GPU (DCGM).
• Infrastructure as Code: Terraform, Ansible; Argo CD.
• опыт работы в периметре информационной безопасности: SIEM, SOC, закрытые контуры.
• понимание устройства LLM и AI-агентов, атак на них (prompt injection, jailbreak), знакомство с OWASP Top 10 for LLM.