Что должен уметь Lead }

Устанавливает performance-бюджеты для критических сервисов. Проводит review с фокусом на latency-чувствительные алгоритмы. Внедряет benchmarking и capacity testing в CI для обнаружения регрессий.

Определяет стандарты async для SRE-tooling: asyncio для массового опроса endpoint-ов, concurrent health checks, parallel remediation scripts. Внедряет таймауты и circuit breakers в automation.

Формирует стандарты качества SRE-кода: linting для Terraform/HCL, policy testing (OPA), unit-тесты для automation scripts. Внедряет code review для infrastructure changes.

Определяет concurrency-стандарты для SRE-инструментов: thread pools для parallel deployments, lock-free metrics collection, concurrent log processing. Внедряет практики safe concurrency в automation scripts.

Определяет стандарты кода SRE-инструментария: модульные health checks, abstract provider interfaces для multi-cloud. Обучает команду паттернам для infrastructure automation (Strategy для разных облаков, Template для runbooks).

Определяет стандарты моделирования конфигов и состояний: structured configs (YAML/JSON schemas), typed metrics labels. Ревьюит data models для monitoring и alerting систем на предмет cardinality.

Определяет Kafka-стратегию для observability: metrics streaming pipeline, log aggregation, event-driven incident management. Внедряет мониторинг Kafka infrastructure как критического компонента.

Определяет стандарты SRE-сервисов: FastAPI для automation API, internal dashboards, incident bot backends. Выбирает между Python и Go для SRE tooling по performance и maintainability.

Определяет caching-стратегию SRE-платформы: Redis для alert state management, distributed locking, session cache для internal tools. Устанавливает SLA и monitoring для Redis infrastructure.

Определяет PostgreSQL-стандарты: HA-конфигурации, backup/recovery SLA, monitoring checklist. Проводит capacity planning и failure mode analysis. Планирует PostgreSQL upgrades с zero-downtime.

Определяет API-стандарты SRE-платформы: OpenAPI для internal tools, versioning strategy, rate limiting. Внедряет API-first approach для SRE automation.

Определяет LB-стандарты: health check requirements, failover procedures, capacity planning. Внедряет automated traffic management. Проводит load testing и failure mode analysis.

Определяет network-стандарты: security baselines, network segmentation policy, monitoring requirements. Внедряет network performance budgets и automated testing.

Определяет AWS-стратегию: Landing Zone, account structure, cost management. Внедряет Well-Architected Framework review. Координирует cloud operations между SRE и product teams.

Определяет container-стандарты организации: base image policy, vulnerability management SLA, runtime configuration guidelines. Внедряет container observability и security scanning в CI.

Определяет Helm-стандарты: chart structure, templating best practices, review process. Координирует chart development между SRE и product teams. Внедряет automated chart upgrades.

Определяет K8s-стандарты: cluster configuration baselines, security hardening, upgrade procedures. Внедряет policy engines (Kyverno/OPA Gatekeeper). Координирует cluster lifecycle management.

Определяет K8s core стандарты: namespace strategy, label/annotation conventions, resource limits guidelines. Внедряет admission webhooks для policy enforcement. Проводит capacity planning.

Определяет IaC-стандарты: module registry, review процесс, change management. Внедряет policy-as-code (Sentinel/OPA). Координирует Terraform adoption между командами.

Определяет VPN-стандарты: encryption requirements, tunnel monitoring SLA, access policies. Координирует VPN infrastructure между cloud и on-premise. Внедряет automated provisioning.

Определяет стандарты надёжности деплоев на базе ArgoCD для флота сервисов организации. Формирует governance для безопасности деплоев, включая политики прогрессивного раскатки, контроль радиуса поражения и процессы согласования деплоев, интегрированные с SLO. Проводит архитектурные ревью конфигураций ArgoCD с перспективы надёжности и продвигает внедрение паттернов GitOps-ремедиации инцидентов.

Определяет CI/CD-стандарты: deployment policies, approval workflows, rollback procedures. Внедряет deployment metrics (DORA). Координирует deployment practices между командами.

Определяет GitOps стратегию для SRE: стандартизирует deployment safety через GitOps gates (SLO check, chaos test, security scan), проектирует change management through Git. Создаёт GitOps runbook automation для common incident response actions.

Определяет chaos engineering стратегию для SRE-организации: создаёт chaos maturity assessment, проектирует automated resilience scoring per service. Внедряет chaos experiments как prerequisite для production readiness review и определяет escalation procedures.

Определяет incident management стандарты: severity matrix, communication templates, post-mortem requirements. Внедряет incident metrics (MTTD, MTTR). Обучает команды incident response.

Определяет security-стандарты инфраструктуры: hardening baselines, vulnerability SLA, security monitoring requirements. Координирует с security-командой. Проводит threat modeling для infrastructure.

Определяет secrets management стандарты: Vault architecture, access policies, rotation schedule. Внедряет secret scanning в CI. Координирует secrets infrastructure между командами.

Внедряет Copilot в SRE-команде: границы использования (configs да, security policies — review), best practices для infrastructure code generation. Оценивает ROI и security risks.

Определяет архитектурные стандарты reliability: mandatory design reviews, failure budget, architecture templates. Проводит architecture review с фокусом на failure modes и scalability.

Определяет capacity planning процесс: periodic reviews, headroom policy, growth budgets. Координирует capacity requests между командами. Внедряет automated capacity reporting.

Определяет DR-стандарты организации: tiered recovery model, mandatory DR-testing schedule, communication plan. Координирует cross-team DR drills. Внедряет DR metrics.

Определяет scalability-стандарты: performance budgets, mandatory load testing, architecture review для high-load. Координирует capacity planning. Формирует best practices для scaling.

Определяет metrics-стандарты для SRE: mandatory SLI metrics, dashboard templates, alerting best practices. Внедряет metric catalogs и automated cardinality monitoring.

Определяет logging-стандарты организации: mandatory fields, format specification, privacy compliance. Внедряет automated log quality checks. Формирует logging best practices.

Определяет on-call стандарты: rotation policies, compensation, workload balance. Внедряет on-call metrics (interruptions, sleep impact). Формирует sustainable on-call culture.

Определяет APM-стратегию: Datadog vs New Relic vs open-source (OTel + backends), feature comparison, cost analysis. Внедряет APM для critical services. Определяет instrumentation requirements.

Определяет profiling-стандарты: always-on profiling (Pyroscope/Parca), CPU/memory flame graphs, production profiling safety. Внедряет profiling-driven optimization workflow.

Определяет ELK-стандарты: log format requirements, retention policies, access control. Внедряет cost management (hot/warm/cold nodes). Координирует централизованное логирование.

Определяет Loki-стандарты: label strategy (low cardinality), retention policies, query patterns. Внедряет Loki для cost-effective log aggregation. Сравнивает Loki vs ELK по сценариям.

Определяет tracing-стандарты: mandatory spans, sampling rates, retention policies. Внедряет Tempo/Jaeger для distributed tracing. Использует traces для dependency mapping и bottleneck analysis.

Определяет OTel-стандарты: collector configuration, resource attributes policy, instrumentation requirements per service. Внедряет observability-as-code подход.

Определяет metrics-стандарты: mandatory metrics per service, naming conventions, dashboard templates. Управляет Prometheus infrastructure costs. Координирует monitoring adoption.

Определяет SLO-стандарты организации: SLO requirements per tier, error budget governance, SLO review cadence. Обучает команды SRE-practices. Координирует SLO adoption.

Формирует review-культуру: определяет checklist для infra review (security, reliability, cost), SLA на review time. Автоматизирует checks (tfsec, conftest, kube-linter).

Формирует Git-workflow для SRE: GitOps standards, PR review requirements для infra changes, automated checks. Определяет mono vs multi-repo strategy для infrastructure.

Определяет latency-стандарты: performance budgets per endpoint, mandatory profiling, latency regression policy. Внедряет SLO-based latency tracking и automated alerting.