Обязанности:
Definiowanie i monitorowanie wskaźników niezawodności usług (SLI/SLO) oraz projektowanie alertów wspierających szybkie wykrywanie problemów., Rozwój i utrzymanie środowiska observability z wykorzystaniem Prometheus, Mimir, Loki, Tempo, Pyroscope i Grafana oraz OpenTelemetry Collector i Alloy., Budowanie i rozwijanie procesów on-call oraz obsługi incydentów, w tym zasad eskalacji, postmortemów i dokumentacji operacyjnej (runbooków)., Monitorowanie działania platformy oraz analiza problemów i incydentów produkcyjnych we współpracy z zespołami Backend, DevOps i Performance., Planowanie wydajności i zapotrzebowania na zasoby infrastrukturalne (capacity planning)., Przygotowywanie i przeprowadzanie testów Disaster Recovery (DR) oraz weryfikacja procedur odtwarzania usług i baz danych w wymaganym czasie., Współpraca przy utrzymaniu i rozwoju Kafki (Strimzi) oraz pozostałych komponentów platformowych działających w klastrach Kubernetes., Współpraca z zespołem przy rozwoju infrastruktury Azure, AKS, OpenTofu i Flux oraz migracji do GitHub
Опыт: Ma minimum 3 lata doświadczenia na stanowisku SRE, DevOps lub Platform Engineer (Mid) albo minimum 5 lat doświadczenia (Senior), zdobytego przy utrzymaniu systemów produkcyjnych działających w trybie 24/7., Ma praktyczne doświadczenie w definiowaniu i monitorowaniu SLI/SLO oraz konfigurowaniu alertów dla środowisk produkcyjnych., Zna Prometheus i Grafana oraz ma doświadczenie w długoterminowym przechowywaniu i analizie metryk z wy