Кто такой Senior Site Reliability Engineer
Senior Site Reliability Engineer — инженер, который делает платёжные и финансовые сервисы стабильными под нагрузкой. В финтехе и платежах простой или деградация напрямую означают недополученные деньги, отказы в транзакциях и претензии регулятора, поэтому роль на уровне senior отвечает не только за работу инфраструктуры, но и за то, чтобы её поведение можно было предсказать и измерить.
В компании рисковых вертикалей SRE обычно стоит на стыке разработки, платформы и информационной безопасности. Он задаёт целевые уровни надёжности для сервисов процессинга, выплат, антифрода и KYCKYCПроверка личности клиента: документы, адрес, иногда селфи., проектирует отказоустойчивость, участвует в дежурствах и разборах инцидентов. Senior-инженер часто работает в связке с техническим директором или руководителем платформы и подчиняется инженерному руководителю или VP of Engineering; сам он может быть техническим лидом группы из нескольких SRE.
Роль не сводится к тушению пожаров. Главная задача — снизить частоту инцидентов и время их устранения, при этом не замедляя выпуск изменений. Поэтому senior SRE много времени проводит за автоматизацией, пересмотром архитектуры и обучением команд разработки ответственности за свои сервисы.
Обязанности
- Определять SLI и SLO для ключевых сервисов (авторизация платежей, выплаты, веб-кабинет) и согласовывать их с продуктом и бизнесом
- Проектировать и поддерживать мониторинг, алертинг и дашборды, убирая шумные и бесполезные алерты
- Вести инцидент-менеджмент: роль координатора или технического лидера инцидента, коммуникация со стейкхолдерами, обязательные постмортемы без поиска виноватых
- Строить отказоустойчивость: репликация, failover, graceful degradation, rate limiting, circuit breakers
- Управлять мощностью и масштабированием: капакити-планирование, нагрузочное тестирование перед пиковыми периодами
- Автоматизировать развёртывание и инфраструктуру как код, сокращать ручные операции (toil)
- Участвовать в дежурствах (on-call), улучшать runbook'и и процессы эскалации
- Совместно с командами безопасности и комплаенса выстраивать контроль доступа, аудит изменений и восстановление после сбоев (DR)
- Консультировать команды разработки по надёжности при проектировании новых сервисов и ревьюить архитектурные решения
- Менторить middle-инженеров и формировать практики SRE в команде
Навыки
- Понимание распределённых систем, сетей и протоколов на уровне, достаточном для диагностики сложных сбоев
- Уверенное владение Linux, сетевой диагностикой и работой с базами данных под нагрузкой
- Написание кода на одном-двух языках (Python, Go, Bash) для автоматизации и инструментов
- Определение SLO и управление error budget, умение договариваться о приоритетах между надёжностью и фичами
- Системное мышление при разборе инцидентов: поиск контрибьюторов, а не единственной причины
- Коммуникация в стрессовых ситуациях: короткие апдейты, понятный язык для нетехнических участников
- Проектирование отказоустойчивых архитектур и оценка рисков изменений
- Понимание требований к платёжной инфраструктуре: PCI DSS, аудит, сегрегация окружений
- Наставничество и умение влиять на команды без прямых полномочий
Инструменты
- Kubernetes и контейнерные рантаймы
- Terraform, Ansible или аналоги для инфраструктуры как код
- Prometheus, Grafana, системы централизованного логирования (ELK, Loki)
- Системы трассировки (OpenTelemetry, Jaeger)
- CI/CD-системы (GitLab CI, Jenkins, Argo CD)
- Инструменты on-call и инцидентов (PagerDuty, Opsgenie, Jira Service Management)
- Облачные провайдеры (AWS, GCP, Azure) или on-premise-инфраструктура
- Git и системы управления конфигурацией
Как оценивают работу: KPI
- Доступность ключевых сервисов относительно SLO (uptime, процент успешных транзакций)
- Расход error budget и количество сервисов, работающих в его рамках
- Среднее время обнаружения (MTTD) и восстановления (MTTR) инцидентов
- Количество инцидентов уровня SEV1/SEV2 за период и доля повторяющихся
- Доля ручной работы (toil) в рабочем времени команды и её динамика
- Количество и качество постмортемов с выполненными action items
- Нагрузка on-call: число ночных вызовов и алертов на дежурного
Особенности по вертикалям
FinTech
В финтехе и платежах SRE отвечает за сервисы, где задержка или ошибка означает потерю денег: процессинг, роутинг платежей, выплаты, ledger. Здесь важны точность и согласованность данных, сверки после сбоев и доказуемость восстановления, а требования регулятора и партнёров-банков накладывают дополнительные ограничения на изменения и хранение логов.
Грейды: чем отличается уровень
Senior
Senior SRE самостоятельно проектирует надёжность сервисов, ведёт крупные инциденты как технический лидер, принимает решения о SLO и архитектуре и влияет на практики нескольких команд. От него ожидают не только реакции на сбои, но и системного снижения их количества и менторинга middle-инженеров.
Как стать Senior Site Reliability Engineer
Обычно в профессию приходят из системного администрирования, DevOps, backend- или разработки инфраструктуры. Важный бэкграунд — опыт эксплуатации продакшн-систем под нагрузкой и участие в дежурствах. Для финтеха дополнительно полезно понимать специфику платежей: жизненный цикл транзакции, сверки, требования к аудиту.
Чтобы вырасти до senior, мало знать инструменты. Нужно уметь описывать надёжность в терминах SLO, проводить разборы инцидентов, автоматизировать ручные процессы и писать код, который используют другие. Стоит научиться планировать нагрузку и проводить эксперименты (нагрузочные тесты, chaos-инженерия в разумных рамках).
Практический путь: сначала стать ответственным за конкретный сервис или дежурным, затем взять на себя координацию инцидентов и разработку инструментов. Постепенно расширять зону влияния с одного сервиса на платформу и практики команды.
Куда расти дальше: Staff или Principal Site Reliability Engineer, Engineering Manager (руководитель группы SRE или платформы), Platform Engineering Lead, Head of Infrastructure или Head of Platform
Термины, которые нужно знать
- SLO (Service Level Objective)
- SLI (Service Level Indicator)
- Error budget
- MTTR
- On-call
- Постмортем (postmortem)
- Toil
- PCI DSS
Частые вопросы
Чем Senior SRE отличается от системного администратора и DevOps-инженера?
Системный администратор в основном поддерживает существующую инфраструктуру, DevOps часто отвечает за процессы сборки и доставки. SRE рассматривает надёжность как инженерную задачу с измеримыми целями (SLO), автоматизирует операции и влияет на архитектуру сервисов. Senior SRE берёт на себя ответственность за надёжность системы в целом.
Нужно ли знание программирования для роли Senior SRE?
Да, на уровне senior обычно ожидается уверенный код для автоматизации, написания инструментов и ревью изменений. Чаще всего используют Python, Go или Bash. Глубина требований зависит от компании: в одних командах важнее системное администрирование, в других — разработка платформенных сервисов.
Что такое дежурство (on-call) и как оно влияет на работу SRE?
On-call — это график, по которому инженер отвечает за реакцию на алерты в нерабочее время. В хорошо организованной команде нагрузка распределяется по ротации, а цель SRE — сокращать количество ночных вызовов через улучшение систем и автоматизацию. Обязанность дежурить обычно обсуждается в рамках договорённостей о нагрузке и компенсации.
От чего зависит доход Senior SRE в финтехе?
На уровень дохода влияют регион, размер компании, сложность инфраструктуры, наличие опыта работы с высоконагруженными платёжными системами и требования к дежурствам. Дополнительно учитывается, насколько широко роль охватывает архитектуру и менторинг. Конкретные цифры стоит смотреть в актуальных обзорах рынка и вакансиях.
Какие сертификаты нужны Senior SRE?
Формальные сертификаты обычно не являются обязательным требованием, работодатели чаще оценивают практический опыт. Иногда ценятся облачные сертификаты (AWS, GCP, Azure) и знание Kubernetes. Важнее умение объяснить архитектурные решения и показать опыт разбора инцидентов.