Tech Lead SRE в Яндекс ID

Система ID построена на нескольких критически важных инфраструктурных компонентах — среди них Паспорт, Blackbox, TVM и прокси. Уровень надежности таких систем должен быть очень высоким: мы стремимся довести доступность до 99,99–99,999% там, где это возможно технически. А в тех случаях, когда это неосуществимо, — разобраться в фундаментальных ограничениях и сделать реальную надежность как можно выше.

Мы ищем опытного технического лидера. Вместе с CTO Яндекс ID вам предстоит работать над повышением надежности платформы. Роль сочетает в себе глубокую инженерную работу, практику SRE и задачи технического лидерства. Вам нужно будет участвовать в формировании архитектуры систем, совершенствовать инженерные практики команды и развивать подходы к обеспечению надежности критичных сервисов ID.

Какие задачи вас ждут:

Обеспечение надежности Паспорта

Вы будете техническим партнером CTO по вопросам надежности. Вам предстоит помогать принимать архитектурные решения, выявлять системные риски, разбирать сложные инциденты и оценивать, какие инвестиции в надежность принесут наибольший эффект. Также вы станете ментором и дополнительным экспертом для команд, которые отвечают за критически важные компоненты ID.

Надежность компонентов Яндекс ID

Вы будете детально изучать работу Blackbox, TVM, Паспорта и прокси. Вам нужно будет выявить основные причины сбоев и ограничения текущей архитектуры, а затем разработать программу, которая повысит их надежность. Цель — добиться доступности критичных компонентов на уровне 99,99–99,999% там, где это возможно технически. При этом главное — не просто достичь высоких показателей, а обеспечить реальную надежность: чтобы система устойчиво работала при сбоях инфраструктуры и зависимостей, позволяла локализовать аварии, продолжала функционировать при частичных отказах и автоматически восстанавливала работу.

Развитие SRE‑подхода

Вы будете вместе с командой развивать подходы к обеспечению надежности критичных сервисов Яндекс ID: автоматизировать эксплуатационные задачи, улучшать инструменты и процессы, развивать инфраструктурную разработку. Важно помогать команде находить системные решения проблем надежности, сокращать объем ручной работы и постепенно наращивать инженерные практики и экспертизу внутри службы.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

Мы ждем, что вы:

• Работали с SRE-практиками
• Обладаете сильным инженерным бэкграундом и работали с высоконагруженными распределенными системами
• Глубоко понимаете принципы построения отказоустойчивых систем и умеете находить не только отдельные проблемы, но и системные ограничения надежности
• Можете самостоятельно погрузиться в большую существующую систему и разобраться в ее архитектуре, зависимостях и классах отказов
• Знаете, что такое техническое лидерство, и можете влиять на несколько команд без необходимости напрямую управлять каждым инженером
• Умеете превращать большие и плохо определенные проблемы в конкретную инженерную программу
• Можете одновременно работать на уровне архитектуры системы и погружаться в детали конкретного инцидента или компонента
• Умеете аргументировать технические решения и договариваться с сильными инженерами и руководителями

Будет плюсом:

• Отвечали за надежность критичных инфраструктурных систем
• Строили системы с требованиями доступности 99,99% и выше
• Работали над разработкой инфраструктурных систем и хорошо пишете код