Site reliability engineer mobile app

Klyp — единая платформа для создания и просмотра AI‑сериалов: авторы создают сериалы с помощью генеративного AI, а зрители их смотрят. Платформа работает под нагрузкой, с асинхронными процессами и большими объёмами данных и рассчитана на глобальный рынок. Ищем SRE-инженера в Klyp App — мобильное приложение платформы для iOS и Android, в котором зрители смотрят сериалы. Твоя зона ответственности — чтобы видео запускалось быстро и без ошибок, опубликованные сериалы вовремя появлялись в приложении, оплаченный доступ открывался сразу, а проблемы зрителей разбирались до первопричины.

• Ежедневная эксплуатация через административные инструменты: внутреннее Dev Ops-приложение, админ-панель, Grafana, Loki, ArgoCD, консоль AWS
• Следить за доступностью и качеством просмотра: ошибки воспроизведения, время старта видео, буферизация, ответы CDN, отказы API приложения
• Поддерживать доставку видео:
  Cloud Front, подписанные ссылки на HLS, кеширование, поведение под пиковой нагрузкой
• Контролировать путь контента до зрителя: транскодинг эпизодов в HLS, языковые дорожки (субтитры и дубляж), события публикации в Kafka и их попадание в каталог; находить, где застрял сериал, который не появился в приложении
• Разбирать обращения поддержки: найти зрителя, проверить его подписку и доступ к платному контенту, прогресс просмотра и запросы к API, понять, где сломалось, и исправить или передать команде с готовым диагнозом
• Сопровождать покупки в приложении: серверные уведомления App Store и Google Play, сверка статусов подписок, разбор случаев «оплатил, а доступ не открылся»
• Следить за входом и аккаунтами зрителей:
  Cognito, вход через Apple и Google, гостевые сессии
• Мониторинг и алерты: реагировать на инциденты, доводить их до первопричины, убирать шумные алерты; отслеживать всплески падений приложения после релизов
• Готовить систему к пикам нагрузки (премьеры сериалов, маркетинговые кампании): масштабирование, кеши, нагрузка на базу
• Выкатывать и откатывать сервисы по Git Ops-процессу, контролировать версии между сервисами и совместимость с версиями мобильного приложения
• Бэкапы и восстановление: регулярно проверять, что они реально работают, проводить учения
• Доступы…