Site Reliability Engineer

Feladatok:

• Kubernetes‑alapú platform üzemeltetése
• Klaszterek és node‑ok napi szintű kezelése (upgrade, patch, node cordon/drain, skálázás)
• Perzisztens tárolás (pl. CSI/Longhorn jellegű megoldás) üzemeltetése, alapszintű kapacitás‑tervezés.
• Megbízhatóság és SLO‑k támogatása
• Részvétel SLI/SLO‑k kialakításában és monitorozásában.
• Error budgetek követése, incidensek és trendek visszacsatolása a csapat felé.
• Observability és incident management
• Monitoring és loggyűjtő rendszerek használata és alap konfigurálása (dashboardok, riasztások).
• Részvétel on‑call rotációban: riasztások elsődleges kezelése, incidensek elhárítása runbookok alapján.
• Automatizáció és runbookok
• Deployment és konfiguráció automatizálásának támogatása (CI/CD, Git‑alapú folyamatok).
• Runbookok, üzemeltetési leírások készítése és karbantartása.
• Több szervezeti egység közötti együttműködés
• Napi munka során együttműködés mind a fejlesztői, mind az üzemeltetési és üzleti szereplőkkel.
• Javaslatok megfogalmazása a folyamatok és a platform megbízhatóságának javítására.