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.

Технологический стек:

· 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

Твои задачи:

• 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.

Мы ожидаем, что у тебя есть:

• 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.

Работа в СберТехе - это:

• 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.