Руководитель отдела эксплуатации ИТ-инфраструктуры

Rapporto – одна из крупнейших IT-компаний на рынке телекоммуникаций. Более 17 лет мы обслуживаем B2B-рынок. Наши продукты позволяют компаниям ежедневно общаться со своими клиентами через различные каналы коммуникаций: push-уведомления, мессенджеры, SMS-сообщения, IVR и другие. Среди клиентов: ВкусВилл, ЦУМ, Лэтуаль, Боксберри, Л’Окситан, ОТП Банк, Райффайзенбанк и другие. Нас 200 человек, у нас нет лишней бюрократии, работы ради галочки или микроменеджмента. Зато есть много сложных и интересных задач, быстрое принятие решений, а главное – у нас есть отличная команда! Стек:Обязательно: Linux, Kubernetes, Docker/containers, TCP/IP, HTTP/TLS, DNS, балансировка нагрузки, Git, CI/CD, Infrastructure as Code, системы мониторинга и логирования. Практический опыт с частью следующего стека: Kubernetes, Helm; GitLab CI/CD, ArgoCD; Ansible, Terraform; VMware/vCloud или аналогичные IaaS-платформы; Nginx, HAProxy; PostgreSQL; Kafka; Redis; Prometheus/VictoriaMetrics, Grafana; Loki/ELK, Tempo/Jaeger; Vault / системы управления секретами; Harbor или другие container registry; Keycloak/SSO; backup/restore solutions; сетевое оборудование, VPN, firewall. Обязанности: Управление направлением эксплуатации и ИТ-инфраструктуры компании; Обеспечение стабильной и отказоустойчивой работы production-систем и инфраструктурных сервисов; правление командами эксплуатации, SRE и системного администрирования: постановка целей, приоритизация, развитие сотрудников, распределение ответственности; Развитие Kubernetes-платформы, виртуальной и облачной инфраструктуры, сетевой инфраструктуры и инфраструктурных сервисов; Организация эксплуатации систем в нескольких ЦОД и облачных площадках; Развитие процессов мониторинга, observability, алертинга и дежурств. Определение и контроль SLI/SLO/SLA для критичных сервисов; Организация Incident Management, Problem Management, Change Management, проведение разборов крупных инцидентов и контроль выполнения корректирующих мероприятий; Повышение отказоустойчивости систем, развитие резервирования, backup/restore и Disaster Recovery; Развитие Infrastructure as Code и автоматизации эксплуатации; Развитие CI/CD и GitOps-подходов совместно с командами разработки; Управление производительностью и capacity planning инфраструктуры; Контроль технического долга инфраструктуры, версий ПО и своевременного обновления компонентов; Участие в архитектурных решениях по новым продуктам и сервисам; Совместная работа с ИБ по управлению доступами, секретами, уязвимостями и защите инфраструктуры; Управление подрядчиками, ЦОД, облачными и телеком-провайдерами; Планирование и контроль бюджета инфраструктуры, оптимизация инфраструктурных затрат; Формирование технической стратегии развития инфраструктуры и эксплуатационной модели; Подготовка регулярной отчетности по доступности, инцидентам, производительности, емкости и инфраструктурным рискам; Формирование и развитие сильной команды эксплуатации и ИТ-инфраструктуры; Развитие технических и управленческих компетенций сотрудников, формирование индивидуальных планов развития; Регулярная оценка эффективности сотрудников, проведение 1:1 и предоставление обратной связи. Выстраивание понятных зон ответственности внутри команды, развитие ownership за сервисы и инфраструктурные компоненты; Развитие технических лидеров внутри подразделения и формирование кадрового резерва; Участие в найме, адаптации и удержании сотрудников; Формирование требований к ролям и уровням специалистов, участие в развитии системы грейдов; Выявление skill gaps команды и организация обучения, обмена знаниями и внутренних технических практик; Снижение зависимости от отдельных ключевых специалистов через документацию, передачу знаний и распределение экспертизы; Формирование инженерной культуры: автоматизация вместо ручных операций, ответственность за результат, postmortem без поиска виноватых, работа с техническим долгом; Построение системы делегирования, при которой руководитель не становится единственной точкой принятия решений; Формирование преемственности внутри команды для ключевых ролей. Требования: Опыт работы в эксплуатации высоконагруженных production-систем от 5–6 лет. Опыт управления инженерной командой от 2–3 лет. Практический опыт эксплуатации Linux, Kubernetes, виртуальной и облачной инфраструктуры. Опыт построения отказоустойчивых систем, мониторинга и observability, организации резервного копирования и Disaster Recovery. Опыт управления крупными инцидентами и проведения postmortem. Понимание принципов SRE, SLI/SLO/SLA, Incident/Problem/Change Management. Опыт автоматизации инфраструктуры и применения Infrastructure as Code. Опыт взаимодействия с разработкой, информационной безопасностью, технической поддержкой, внешними провайдерами и подрядчиками. Желателен опыт эксплуатации высоконагруженных систем 24×7 и инфраструктуры, распределенной между несколькими ЦОД/облачными площадками. Условия: работу в аккредитованной IT-компании; формат работы: удаленно на территории РФ по мск времени с 9.00 до 18.00 ч или 10.00 ч до 19.00 ч; ДМС после трех месяцев работы, включая стоматологию и психолога; дружную команду профессионалов: ценим юмор, проводим крутые корпоративы, организовываем мастер-классы, квизы и другие мероприятия для неформального общения с коллегами.