Архитектурный и инфраструктурный стек: Kubernetes, Docker, Helm, Nginx/Ingress, Kafka/RabbitMQ, Redis, PostgreSQL, Object Storage, API Gateway, Vault, Keycloak/ADFS, Prometheus, Grafana, OpenSearch. ML / MLOps стек: Python, FastAPI, vLLM, Triton, PyTorch, MLflow, ClearML, Airflow, GitLab CI/CD. Интеграционный стек: REST, WebSocket, OpenAPI, AsyncAPI, ETL, корпоративные IAM/SSO, LDAP/AD. Требования: 1. Архитектура highload-сервисов: опыт проектирования высоконагруженных распределённых систем: горизонтальное масштабирование, отказоустойчивость, балансировка нагрузки, кэширование, очереди, rate limiting, graceful degradation. 2. Архитектура ML/LLM-сервисов: опыт проектирования архитектуры LLM-сервисов для промышленной эксплуатации: inference-serving, batch/online processing, vector storage, orchestration пайплайнов, GPU workload management. 3. Интеграция в корпоративный ИТ-ландшафт: опыт встраивания ML-сервисов в корпоративную архитектуру: интеграция с API Gateway, IAM/SSO, корпоративными шинами, системами мониторинга и журналирования. 4. Микросервисная и событийная архитектура: понимание микросервисного подхода, SOA, event-driven architecture, async-взаимодействия, брокеров сообщений и потоковой обработки данных. 5. Контейнеризация и оркестрация: уверенное знание Docker, Kubernetes, Helm, ingress/service mesh, принципов деплоя и эксплуатации контейнеризированных решений. 6. Облачная и on-prem архитектура: опыт проектирования решений как в on-prem, так и в private/public cloud, понимание hybrid architecture, multi-zone deployment, disaster recovery, backup/restore, SLA/SLO/SLI. 7. Интеграционные технологии и API: опыт проектирования REST/WebSocket интеграций, контрактов взаимодействия, схем авторизации и маршрутизации. 8. Безопасность и корпоративные стандарты: знание принципов ИБ: TLS/mTLS, JWT, OAuth2, OIDC, SAML/ADFS, RBAC/ABAC, secrets management, требования к защите ПДн и чувствительных данных. 9. Данные и хранилища: понимание архитектуры хранения и обработки данных: PostgreSQL/Redis/Object Storage. 10. Observability и эксплуатация: опыт проектирования мониторинга и сопровождения сервисов: метрики, логи, трассировки, алерты, capacity planning, performance profiling, incident/problem management. MLOps / DevOps практики: понимание CI/CD для ML-сервисов, model registry, experiment tracking, reproducibility. 11. Технический стек и языки: понимание Python, SQL, Bash, Git. Умение читать код и проектировать архитектуру с учётом ограничений фреймворков и runtime. 12. Архитектурная документация: опыт подготовки архитектурных артефактов: C4/UML, схемы интеграции, NFR, ADR, security/data flow diagrams. 13. Опыт и уровень: практический опыт работы системным/solution/enterprise architect от 3х лет, общий опыт в ИТ от 5 лет. Опыт с LLM-продуктами или платформами данных. Дополнительно: опыт проектирования GPU-инфраструктуры и inference-контуров для LLM/embedding/reranking сервисов; понимание особенностей vLLM, Triton Inference Server, ONNX Runtime, MLflow, ClearML; опыт выбора архитектуры под разные профили нагрузки: low latency / high throughput / batch / streaming; навык оценки стоимости владения архитектурой: CAPEX/OPEX, стоимость GPU/CPU/Storage/Network; опыт проектирования мультитенантных платформ и контуров изоляции; знание практик FinOps / Capacity planning будет плюсом; опыт прохождения архитектурных комитетов, согласования решений с ИБ, инфраструктурой и корпоративными архитекторами; навык формализации нефункциональных требований: производительность, доступность, безопасность, сопровождаемость, масштабируемость; понимание специфики корпоративной интеграции: legacy-системы, ограниченные контуры.
⚠️ Будьте внимательны: вакансия размещена из открытых источников и может быть недостоверна.
Зарплата
1 500 – 2 000 ₽