СберSite Reliability Engineer(SRE)
Москва
Команда отвечает за промышленную AI-платформу с чат-интерфейсом и RAG на векторных БД. Вы будете поддерживать доступность, масштабирование и наблюдаемость платформы, обеспечивая надёжную работу LLM-инференса и интеграций для реальных пользователей.
ГрейдMiddle/Senior
Опытот 3 лет
Стек
PostgreSQLKubernetesKafkaPrometheusRedisS3QdrantOpenSearchGrafanaCI/CDLinuxBash
Задачи
- •обеспечение доступности и отказоустойчивости платформы, определение SLO/SLI и разбор инцидентов
- •разработка и сопровождение CI/CD и инфраструктуры как кода
- •управление и поддержка Kubernetes-кластеров, автоскейлинг и network policies
- •диагностика и оптимизация производительности, профилирование LLM-инференса
- •настройка наблюдаемости: метрики, логи, трассировки, алертинг и дашборды
- •управление секретами, бэкапами, восстановлением и DR-планами
Обязательно
- •3+ года в SRE/DevOps/платформенной инфраструктуре
- •опыт эксплуатации Kubernetes в проде
- •глубокие знания PostgreSQL: планирование запросов, репликация, бэкапы и восстановление
- •опыт работы с Kafka, Redis и S3-совместимыми хранилищами
- •опыт CI/CD, Linux и Bash
- •мониторинг и логирование: Prometheus/Grafana, OpenSearch и алертинг
- •понимание принципов SLO/SLI/Error Budgets и DR-процессов
Будет плюсом
- •опыт эксплуатации ML/LLM-инференса (vLLM, Triton, KServe) и работа с GPU
- •опыт работы с векторными БД (Qdrant, Milvus, pgvector)
- •знание IaC: Terraform или Ansible
- •участие в RAG/AI-платформенных проектах и написание postmortem
