- Страна
- Россия
DevOps Middle+/Senior
Оценка ИИИнтересный проект на острие технологий (AI/LLM) с современным стеком. Однако проектная занятость (3 месяца) и высокая нагрузка могут подойти не всем, кто ищет стабильную долгосрочную работу.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена специфическим стеком для ИИ-приложений (Qdrant, LangFuse) и сжатыми сроками проекта (3 месяца) при высокой нагрузке. Требуется глубокая экспертиза в Yandex Cloud и инструментах мониторинга/логирования.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля уровня Middle+/Senior DevOps в РФ/РБ при полной занятости рыночные вилки составляют 300-450 тысяч рублей. Учитывая проектный характер и высокую нагрузку (160 ч/мес), ставка должна соответствовать верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
ID 3587
DevOps
"Middle+
Senior"
РФ/РБ
ИТ-компании
Кол-во специалистов
2
Длительность проекта
3 мес с возможностью пролонгации
Объем участия в проекте
Высокая нагрузка
~160 ч/мес
Формат взаимодействия
Удаленно
Требуемая локация специалиста
Россия, Беларусь
Доступность специалиста
UTC +3
Требуемое гражданство специалиста
РФ, РБ
Обязательные требования
Опыт работы со стеком технологий:
- Linux: опыт администрирования RedOS / Fedora / CentOS, управления пользователями и контейнеризации (Docker);
- Yandex Cloud: опыт работы с VPC, Cloud DNS / Certificate Management, Compute / GPU, AI Studio, IAM / Users / Service Accounts;
- Terraform: опыт работы с Terraform и Terragrunt;
- Ansible: навыки создания ролей и описания конфигураций;
- Git: опыт работы с репозиторием — ветвление, review, CI-триггеры;
- Оркестрация: опыт работы с Kubernetes и облачными платформами;
- Развёртывание и эксплуатация: опыт работы с VictoriaLogs, ClickHouse, LangFuse, PostgreSQL, Vault, Keycloak, VectorDB Qdrant.
Дополнительные требования
- Навыки развёртывания инфраструктуры для ИИ-приложений.
Задачи на проекте
- Реализация развёртывания VictoriaMetrics (система сбора и хранения метрик);
- Реализация балансировки нагрузки (Load Balancing для сервисов платформы);
- Завершение настройки и интеграции Keycloak (аутентификация и авторизация сервисов и пользователей);
- Завершение развёртывания и интеграции с Object Storage (объектное хранилище);
- Завершение развёртывания VictoriaLogs (система логирования);
- Реализация развёртывания и интеграции VectorDB Qdrant (векторная БД);
- Реализация развёртывания ClickHouse (аналитическая СУБД);
- Реализация развёртывания LangFuse (платформа наблюдаемости для LLM‑приложений).
Этапы отбора
Техническое интервью (1,5ч).
Описание проекта и команды
Компания - интегратор.
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔 вакансии❗️ Без этой информации отклики не рассматриваются ❗️**❗️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Linux
- RedOS
- Fedora
- CentOS
- Docker
- Yandex Cloud
- Terraform
- Terragrunt
- Ansible
- Git
- Kubernetes
- VictoriaMetrics
- VictoriaLogs
- ClickHouse
- PostgreSQL
- Vault
- Keycloak
- Qdrant
- Langfuse
Возможные вопросы на собеседовании
Проект предполагает работу с VictoriaMetrics и VictoriaLogs. Важно понимать опыт кандидата в построении систем мониторинга.
Опишите ваш опыт развертывания и масштабирования VictoriaMetrics в Kubernetes. С какими сложностями при хранении метрик вы сталкивались?
Вакансия требует навыков работы с Terragrunt поверх Terraform.
В чем основные преимущества использования Terragrunt в связке с Yandex Cloud для управления множеством окружений?
Одной из задач является интеграция Keycloak.
Как бы вы реализовали схему аутентификации для микросервисов через Keycloak, обеспечив при этом высокую доступность самого сервиса авторизации?
Упоминается работа с GPU и AI Studio в облаке.
Какие особенности настройки Kubernetes-нод с GPU в Yandex Cloud вы можете выделить для обеспечения работы ИИ-моделей?
Проект включает работу с векторной БД Qdrant.
Был ли у вас опыт эксплуатации векторных баз данных? Какие ресурсы (CPU/RAM) наиболее критичны для производительности Qdrant при поиске по эмбеддингам?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
