Stratus — технологическая и консалтинговая B2B-компания, специализирующаяся на модернизации страховых операций для страховщиков имущества и ответственности, а также управляющих генеральных агентов. Команды компании помогают организациям заменять или оптимизировать устаревшие основные системы, внедрять платформы Guidewire и Insurity, планировать и реализовывать миграцию в облако Azure, а также выстраивать более эффективные стратегии работы с данными и управления ими. Stratus также поддерживает подготовку к внедрению ИИ, сопровождение приложений, обеспечение качества, выбор платформ и встроенную ИТ-поддержку с помощью команд специалистов по запросу. Компания сочетает отраслевую экспертизу в страховании с практическим подходом к технологической трансформации, помогая клиентам улучшать аналитику, оптимизировать операции и эффективнее выводить новые продукты на рынок.
Старший инженер по надёжности сайтов — удалённая работа в США
Старший инженер по надёжности сайтов, отвечающий за обеспечение надёжности операционной деятельности Stratus, чьё программное обеспечение переводит рабочие процессы подрядчиков MEP в цифровой формат. Роль охватывает SLO, наблюдаемость, реагирование на инциденты и управление производительностью производственных систем Azure.
Описание
- Отвечать за показатели уровня обслуживания, целевые показатели и бюджеты ошибок клиентских сервисов
- Разрабатывать конвейеры измерений, отображающие доступность и задержку относительно заданных целевых значений
- Управлять наблюдаемостью в рабочей среде с помощью стандартов инструментирования, дашбордов и информативных оповещений
- Эксплуатировать инструменты наблюдаемости в Azure AKS, Prometheus, Loki, Tempo, Grafana, Istio и Flux
- Выстраивать процессы реагирования на инциденты, включая графики дежурств, оповещения, классификацию серьёзности, распределение ответственности, эскалацию и разборы инцидентов без поиска виноватых
- Устанавливать стандарты отката и восстановления и проверять их в рамках регулярных учений
- Руководить повышением производительности и управлением ёмкостью посредством оптимизации запросов и индексов, настройки размеров пулов соединений, моделирования ёмкости и проектирования корректной деградации
- Сотрудничать с командой при проведении нагрузочного, стрессового, пикового и длительного тестирования с помощью k6
- Определять пороговые значения задержки конечных точек на основе SLO и использовать результаты тестов как критерии допуска к выпуску
- Руководить проверками готовности к эксплуатации в отношении инструментирования, оповещений, сценариев отказа, ограничений ресурсов и планов отката
- Доводить устранение проблем по итогам разборов инцидентов до подтверждённых изменений в рабочей среде
- Поддерживать планирование непрерывности бизнеса и аварийного восстановления, включая проверку резервного копирования и восстановления, проектирование переключения и определение целей восстановления
- Обучать инженерные команды инструментированию и эксплуатации их сервисов
- Создавать инструменты, автоматизацию, библиотеки инструментирования и исправления производственного кода
- Сотрудничать между инженерными командами, платформенными и командами безопасности, а также группами, работающими с клиентами
- Подчиняться старшему директору по платформенной инженерии
Требования
- Не менее шести лет профессионального инженерного опыта
- Не менее трёх лет на специализированной должности SRE или инженера по эксплуатации в B2B SaaS-компании
- Подтверждённый опыт владения производственными SLO и бюджетами ошибок
- Продвинутый практический опыт работы с наблюдаемостью, включая Prometheus, Loki, Tempo, Grafana или сопоставимые инструменты
- Практический опыт работы руководителем реагирования на значимые инциденты
- Опыт построения процессов дежурств и эскалации с нуля
- Глубокая экспертиза в производительности баз данных, включая профилирование запросов, проектирование индексов, пулинг соединений и диагностику насыщения под нагрузкой
- Опыт работы с MongoDB предпочтителен; допускается сопоставимая глубина знаний документных или реляционных баз данных
- Опыт эксплуатации Kubernetes в рабочей среде, предпочтительно AKS
- Умение диагностировать планирование подов, ограничения ресурсов, сетевые проблемы и поведение сервисной сетки; опыт работы с Istio предпочтителен
- Владение хотя бы одним из языков Go, Python, C# или TypeScript
- Готовность работать с кодовой базой C#/.NET
- Опыт работы с инструментами нагрузочного и производительного тестирования, такими как k6, JMeter или Gatling
- Опыт эксплуатации Azure или AWS и понимание сценариев отказа управляемых сервисов
- Свободное владение инструментами разработки с поддержкой ИИ и опыт проектирования рабочих процессов с использованием ИИ
- Отличные навыки письменной коммуникации для подготовки разборов инцидентов, руководств и отчётов о надёжности
- Здравое суждение и хладнокровие под давлением
- Опыт создания или развития практики SRE предпочтителен
- Опыт работы с Sentry или сопоставимой платформой мониторинга ошибок приложений предпочтителен
- Опыт эксплуатации событийно-ориентированных систем и систем реального времени предпочтителен
- Опыт эксплуатации MongoDB Atlas в производственном масштабе предпочтителен
- Опыт работы с платформами оркестрации устойчивых рабочих процессов, такими как Temporal, предпочтителен
- Опыт проектирования многорегиональных или многозональных архитектур и аварийного восстановления предпочтителен
- Опыт работы с incident.io, PagerDuty или сопоставимыми платформами управления инцидентами предпочтителен
- Знакомство с метриками DORA и работой над надёжностью в средах SOC 2 или NIST 800-171 предпочтительно
- Опыт повышения надёжности устаревших монолитных систем предпочтителен
- Интерес к MEP, BIM, AEC или строительным технологиям предпочтителен
- Предыдущий опыт работы в компании стадии Series B или на этапе активного роста предпочтителен
Преимущества
- Комплексные конкурентоспособные медицинские льготы
- Взносы в план 401(k) с участием работодателя
- Двадцать дней ежегодного оплачиваемого отпуска
- Преимущественно удалённый формат работы
- Периодические ежегодные очные командные мероприятия