Переезд из облака в on-prem за считаные часы
При массовом отказе Yandex Cloud поднял локальный S3 на SeaweedFS, мигрировал терабайты данных и перевёл критичную инфраструктуру на собственные серверы.
- SeaweedFS
- Proxmox
- Restic
DevOps / SRE Engineer — CI/CD · IaC · Observability
Строю инфраструктуру под ключ и делаю инструменты, которые заметно ускоряют работу других отделов.
$ whoami
devops / sre · 4+ года в проде
$ cat focus.yml
ci_cd: GitLab CI, Jenkins, AWX
iac: Terraform, Ansible
observe: Prometheus, Grafana, Loki
infra: Proxmox, Yandex Cloud, k3s
$ ls ~/projects
zammad-messengers/ rustdesk-gateway/
$
DevOps / SRE-инженер с 4 годами коммерческого опыта. Отвечаю за инфраструктуру целиком: от CI/CD и IaC до мониторинга, бэкапов и внутренних сервисов компании.
Сильная сторона — инструменты, которые напрямую ускоряют работу других отделов: поддержки, разработки, ML-команды. И устойчивость инфраструктуры в нештатных условиях: когда облако отказало, локальный S3 на SeaweedFS был поднят в первые часы, а терабайты данных — сохранены.
Люблю доводить вещи до состояния «пользоваться удобно»: шаблоны деплоя, которые запускает не только DevOps, отчёты без отдельного кластера, доступ к устройствам за пять секунд.
Два проекта, которые я спроектировал и довёл до продакшена. По клику — подробности, архитектура и слайды.
Доработка штатного Zammad 7: мессенджеры как полноценные каналы, ответы цитатой, синхронизация правок и удалений, отчёты без Elasticsearch и новый интерфейс — без единого патча в исходниках.
Шлюз доступа, консоль администратора и доработанный клиент RustDesk. Поддержка и подрядчики подключаются к устройствам, не зная их ID и паролей: каждое подключение одноразовое, записано в журнал и отзывается одним нажатием.
При массовом отказе Yandex Cloud поднял локальный S3 на SeaweedFS, мигрировал терабайты данных и перевёл критичную инфраструктуру на собственные серверы.
Связал Teleport, Wazuh, Grafana и локального ИИ-агента: время решения типовых SRE-задач сократилось с нескольких часов до минут.
Выстроил полный цикл от разметки до обучения моделей распознавания блюд: обучение на типовом датасете ускорилось с 2 часов до 30 минут.
GitLab CI-пайплайны для .NET-приложений и Ansible-плейбуки окружения, под каждый — шаблон в AWX и Semaphore UI для самостоятельного запуска командой.
4 года 9 месяцев — от единственного DevOps в продуктовой команде до инфраструктуры ML-продукта.
ИИ-кассы с распознаванием блюд и умные холодильники «взял — оплатил». Команда 8 человек, 2 DevOps.
Аутстафф DevOps-инженеров на проекты клиентов.
Сервер лицензирования ПО с веб-интерфейсом покупки и продления. Единственный DevOps в команде из 7 человек.
Институт прикладной математики и компьютерных наук. «Математическое обеспечение и администрирование информационных систем».
ТГУ
ТГУ, консультант по цифровой грамотности