Наши сервисы — часть платформы Monium — позволяют создавать алерты и уведомлять об изменении состояний через каналы нотификаций (телеграм, телефонные звонки, клауд-функции и др.). Наша цель — предоставить пользователю лёгкий и быстрый способ получить однозначный ответ о состоянии систем в любой момент. Почти все команды Яндекса пользуются возможностями платформы для мониторинга состояния своих сервисов — как внешних, так и внутренних. Кроме этого, сервис доступен пользователям Yandex Cloud. Наша команда отвечает за развитие и поддержку четырёх основных сервисов: 1. Алертинг — сервис, рассчитывающий пользовательские алерты поверх метрик. Мы предоставляем возможность создавать различные виды алертов (PromQL-подобные выражения, SLO-алерты, алерты на аномалии с применением ML-алгоритмов, агрегаты над алертами). Алертинг в числах: * 24М алертов, рассчитываемых каждую минуту * 3М+ RPS на чтение временных рядов и обслуживание пользовательских запросов * 900+ серверов * 29 TB RAM * 7К+ CPU 2. Сервис уведомлений, который позволяет задать шаблон и через единый API отправлять в SMS, мессенджерах и по телефону и простые уведомления, и их сложные последовательности («Напиши, а если не ответили в течение 10 минут — позвони»). 3. Система событийного мониторинга, которая позволяет формировать верхнеуровневое (агрегированное) состояние сервиса на основании входных данных о его здоровье из разных источников (а это десятки миллионов уникальных событий) по правилам, заданным пользователем. 4. Система синтетического мониторинга — новый сервис платформы — позволяет настраивать проверки по типу пинговалки: проверку живости хоста, проверку сертификатов.

Обязанности:

Масштабировать системы в соответствии с ростом нагрузок
Стабильный рост нагрузки (порядка 30% в год) требует проводить регулярное масштабирование: искать узкие места, заниматься RnD вариантов решения, реализовывать горизонтальное масштабирование. Внедрять отказоустойчивость
Если алертинг не работает — пользователи остаются без приборов по своему продакшену и могут пропустить проблему, которая приведёт к серьёзному инциденту. Поэтому необходимо, чтобы алертинг успевал просчитывать все алерты и был отказоустойчив. Вам предстоит реализовать режим работы hot-standby в балансировщике, причём так, чтобы во время отказа стойки или модуля в дата-центре мы не потеряли обе реплики. Помимо этого, нужно изолировать проекты, чтобы проблемы одного не влияли на другие. Прорабатывать технические и продуктовые решения для пользовательских сценариев
Наши пользователи — это такие же разработчики, как и мы сами. Проблемы, с которыми сталкиваются пользователи, актуальны и для нас. Поэтому разработчики всегда участвуют в обсуждении и проработке и технических, и продуктовых решений. Например, как должны выглядеть SLO-алерты; как сделать так, чтобы пользователю было понятно, что такое good events и bad events; как в этой парадигме создать SLO-алерт на тайминги. Упрощать пользовательские сценарии работы с алертами
Первое, с чем сталкивается пользователь, — как завести алерт для конкретного сценария. Тут мы хотим предоставлять типовые алерты: на отклонение, тренд, резкие взлёты и падения, SLO. Затем пользователю предстоит понять, что алерт отловил проблему. Алерты нужно уметь просчитывать в прошлом, чтобы создать не сильно чувствительный алерт, который ловит реальные проблемы. А после того как алерт создан, важно понять причину его срабатывания: это одна из реплик не ответила, это лаг поставки данных или же реальная проблема. Разрабатывать общую платформу
Понадобится адаптировать существующую функциональность для запуска в Yandex Cloud с доступом внешних пользователей, а также для создания единой monium platform для других сотрудников компании. Больше о бэкенде в Яндексе — в канале Yandex for Backend

Ключевые навыки:

  • Умеете писать и понимаете многопоточный код: весь алертинг работает асинхронно с использованием акторной модели
  • Готовы писать код на Java и Go (соотношение 80% на 20%)
  • Понимаете ключевые аспекты построения отказоустойчивых распределённых систем
  • Смотрите другие вакансии направления Yandex Cloud Monium по ссылке.