CLOUD - SRE STOCKAGE in Le Kremlin-Bicêtre

Notre opérateur ambitionne de devenir un acteur clé du Cloud ministériel, avec pour objectif de construire une pile cloud sûre, performante et résiliente, opérée sur l’ensemble du territoire national. À terme, cette infrastructure constituera la fondation d’un véritable opérateur cloud ministériel à l’état de l’art, capable de servir l’ensemble du numérique de défense.

Missions :

• Déployer, opérer et optimiser les clusters Ceph en production (dont multi-sites) : gestion des OSDs, MONs, MGRs ; montée de version ; gestion des incidents de cluster.
• Concevoir et faire évoluer les architectures Ceph (CRUSH maps, profils d’erasure coding, stratégies de pooling et de tiering NVMe/SSD/HDD, dimensionnement IOPS/bande passante/résilience) ; contribuer aux choix technologiques sur l’évolution du socle de stockage distribué de la plateforme.
• Opérer le stockage bloc en support des charges Kubernetes ou de VM.
• Garantir l’isolation multi-tenant, le chiffrement at-rest/in-transit et la conformité aux exigences SSI sur le périmètre Ceph.
• Déployer et opérer la stack d’observabilité Ceph (métriques cluster, PGs, OSD latency, recovery throughput, alertes, dashboards de capacité) ; conduire des tests de résilience sur le cluster (perte d’OSD, perte de rack, partition réseau, corruption silencieuse) et formaliser les RETEX.
• Conduire l’exploitation par les SLO, budgets d’erreur et RETEX.
• Participer à la gestion d’incidents (niveau N3/N4) et aux astreintes.

Profil recherché :

Nous cherchons un SRE Ceph confirmé : 5 à 10 ans d’expérience en production sur des environnements de stockage distribué, avec une maîtrise avérée de Ceph en situation réelle.

Vous possédez de l’expérience professionnelle :

• Exploitation SRE de clusters Ceph à grande échelle : déploiement (Rook, cephadm), opération quotidienne, montée de version sans interruption de service.
• Gestion d’incidents N3/N4, tests de résilience (perte d’OSD, de rack, corruption silencieuse) et participation aux astreintes.
• Conception ou re-conception d’architectures Ceph : CRUSH maps, choix de profils d’erasure coding, stratégies de pooling et dimensionnement hardware adapté aux profils de charge.
• Stockage bloc en environnement Kubernetes et/ou VM : snapshots, réplication inter-sites, gestion du backup natif Ceph.
• Culture SRE appliquée au stockage distribué : pilotage par SLO/SLI, budgets d’erreur, RETEX structurés.

Vous disposez également des compétences techniques suivantes :

• Maîtrise avancée de Ceph (RADOS, RBD) : déploiement, tuning fin, diagnostic de performance, compréhension du protocole CRUSH ; capacité à lire et modifier des CRUSH maps, dimensionner des profils d’erasure coding (k+m, localité) et arbitrer les stratégies de pooling selon les profils de charge.
• Maîtrise de Linux avancé (I/O scheduler, hugepages, NUMA, optimisation réseau pour trafic de réplication) et d’une stack d’observabilité Ceph (métriques OSD, PG states, recovery throughput).
• Maîtrise d’au moins un langage de programmation (Go, Python) et d’infrastructure-as-code (Terraform, Ansible).
• Compréhension approfondie des fondamentaux : réplication vs erasure coding, consensus distribué (Paxos appliqué aux MONs Ceph), théorème CAP en contexte multi-sites.
• Très bonne connaissance sécurité : isolation multi-tenant, chiffrement at-rest/in-transit, gestion des secrets, capacité à dialoguer avec une chaîne SSI.

Vous êtes :

• Rigoureux : Capacité à concevoir et maintenir des infrastructures critiques avec une attention méticuleuse aux détails, particulièrement dans les aspects de sécurité et de reproductibilité.
• Innovant : Capacité à proposer des solutions techniques avancées et à implémenter des bonnes pratiques.
• Ancré dans une culture d’analyse factuelle et d’amélioration continue.