Site Reliability Engineer в группу эксплуатации YT в One-cloud, Москва

YTsaurus — опенсорс-платформа для хранения и обработки данных, которую в VK активно развивают и используют как основу единого дата-лейка. Система обрабатывает миллионы событий в секунду на динамических таблицах, работает с сотнями петабайт данных и обслуживает тысячи пользователей. У нас большие кластеры, сложная инфраструктура и высокие требования к надёжности. И мы ищем SRE, который поможет поддерживать и развивать всё это.

Задачи

• Автоматизировать эксплуатацию YTsaurus
  
• Интегрировать платформу с внутренними системами VK
  
• Следить за стабильностью и производительностью
  
• Разбираться с проблемами на уровне кода (в основном C++)
  
• Решать задачи, которые не гуглятся
  
• Разбираться с инцидентами в рамках дежурств
  
• Масштабировать кластер YTsaurus до 500ПБ
  
• Заниматься оптимизацией использования железа (CPU, диски)
  

Требования

• Опыт работы с распределёнными системами
  
• Знания в области сетей (TCP/IP, DNS, балансировка, ACL) и ОС Linux
  
• Способность работать самостоятельно: формулировать цели, предлагать решения
  

Будет плюсом

• Опыт работы с высоконагруженными системами или большими объёмами данных
  
• Владение C++ на уровне чтения и отладки сложного кода