Собеседование на системного аналитика в Yandex Cloud

Почему Yandex Cloud — особенный работодатель для СА

Yandex Cloud — облачное подразделение Яндекса: IaaS, PaaS, managed-сервисы баз данных и Kubernetes, ML-платформа DataSphere, AI-сервисы (Yandex SpeechKit, Translate, Vision, foundation-модели семейства YandexGPT). Один из топ-3 публичных российских облачных провайдеров. Для системного аналитика это редкое и специфическое место: формально облако, фактически — часть огромной экосистемы Яндекса с собственным стеком (YT, Logbroker, Nirvana), Яндекс-процессами и Яндекс-планкой по архитектуре API.

Главные задачи СА в Yandex Cloud: проектирование API для IaaS, PaaS, ML Space (DataSphere), AI-сервисов; написание OpenAPI-спецификаций; моделирование процессов в BPMN (биллинг разных моделей ценообразования, fine-tuning workflows); интеграция с биллингом и платежной обработкой; проектирование compliance-pipeline для гос-облака; разработка контрактов между сервисами Яндекса; миграция legacy API с обратной совместимостью.

Стек инструментов: Confluence, Tracker (Яндекс-аналог Jira), Swagger/OpenAPI, BPMN, PlantUML, C4. На технической стороне аналитик работает с YT (внутренний DWH Яндекса), ClickHouse, PostgreSQL, Logbroker, REST и gRPC, Kubernetes.

Актуальные вакансии — на hh.ru и сайте Яндекса.

Этапы собеседования

Полный цикл — 4-6 недель, 5-7 этапов. Процесс — типичный «Яндекс-style»: HR, техническое интервью (можно с алгоритмами), SQL и data design, архитектурный кейс, поведенческое, финал. Для compliance-ролей — СБ.

1. HR-скрининг (30-45 минут)

Рекрутер уточняет: опыт системного анализа (от 2 лет, желательно с cloud или ML-инфраструктурой), знание API-стека, мотивацию идти в Yandex Cloud, ожидания по компенсации и формату (Москва, гибрид). У Яндекса своя планка — на скрининге об этом предупредят. Готовь питч на 90 секунд про самый сложный API-проект.

2. Техническое интервью (60-90 минут)

Базовая секция с senior СА или архитектором. Темы: REST API design, gRPC, OpenAPI/Swagger, архитектурные паттерны, микросервисы, messaging-паттерны (Kafka/Logbroker), базы данных (PostgreSQL, YT, ClickHouse), безопасность (OAuth, JWT, mTLS, RBAC, scoped tokens), C4-нотация. Специфический Яндекс-вопрос: «как ты спроектируешь API для DataSphere fine-tuning с поддержкой long-running operations (часы-дни) и интеграцией с GPU-кластерами».

Подготовка: REST API design, Microservices architecture, Distributed systems.

3. SQL и data design (45-60 минут)

Базовая секция: SQL deep dive (оконные функции, оптимизация запросов), data design для cloud-сервиса (биллинг, использование ресурсов, multi-tenancy). Кандидат должен уметь спроектировать ER-диаграмму типового cloud-сервиса с учётом RBAC.

Подготовка: Databases и storage.

4. Архитектурный кейс (90 минут)

Самая характерная секция. Кейс: «спроектируй API биллинга для AI-сервисов с разной моделью ценообразования (GPU-час для inference, токены для LLM)», «как ты спроектируешь DataSphere fine-tuning API с long-running operations и GPU-allocation», «как сделать API для гос-облака с audit trail и compliance». Нужно: уточнить требования, нарисовать архитектуру C4, описать API-контракты, продумать idempotency и async-операции, заложить compliance. Сильный сигнал — учёт Яндекс-стека и масштаба.

Подготовка: Интеграция и архитектура, Безопасность и compliance.

5. Поведенческое + культурный fit (45 минут)

С тимлидом и/или представителем команды. STAR-формат: конфликт с продактом, факап в проде, спор по архитектуре. Проверяют соответствие Yandex Values.

6. Финал с руководителем (30 минут)

Финальная встреча: грейд, оффер. Корректировки.

7. СБ (опционально, 1-2 недели)

Для compliance-ролей с гос-облаком.

Особенности по командам

Cloud API / IaaS платформа. Команда строит публичные API для управления VM, сетями, K8s. Стек — REST + gRPC + Kubernetes operators + Terraform provider. Подойдёт СА с background в DevOps или cloud-продуктах.

DataSphere (ML-платформа). Команда строит API ML-платформы: эксперимент-трекинг, model registry, training jobs, inference deployment, fine-tuning-as-a-service. Стек — REST + gRPC + S3 + GPU-планировщики + интеграция с Yandex AI Foundation. Челлендж — multi-tenant ML-инфраструктура, long-running operations, GPU-allocation. Подойдёт СА с background в MLOps.

AI Services (SpeechKit, Vision, Translate, YandexGPT). Команда строит API AI-сервисов: speech-to-text, translate, image recognition, LLM-инференс. Стек — REST + Triton + TensorRT + кастомные inference-сервера. Челлендж — latency (sub-second для LLM), биллинг по токенам, rate limiting. Подойдёт СА с интересом к ML-инфраструктуре.

Биллинг и финансовое API. Команда отвечает за корректность биллинга: разные модели ценообразования, агрегация, формирование счетов. Стек — REST + YT + ClickHouse + специализированные расчётные движки. Подойдёт СА с financial-DWH опытом.

Compliance и гос-облако. Команда работает с регуляторными требованиями (152-ФЗ, ГОСТ Р 57580, FSTEC). Стек — REST + специализированные compliance-инструменты. Подойдёт СА с compliance-опытом.

Что Yandex Cloud ценит в СА

API-first и developer experience мышление. Понимание, что API — продукт; документация должна быть отличной.

Опыт cloud или ML-инфраструктуры. Опыт в AWS, GCP, Yandex Cloud, ML-инфраструктуре — большой плюс.

Знакомство с Яндекс-стеком — большой плюс. Опыт работы с YT/YQL даёт преимущество.

Weak vs strong на архитектурном кейсе. Слабый ответ: «возьмём REST для DataSphere fine-tuning API, асинхронно». Сильный ответ: «fine-tuning — long-running operation (часы-дни). API design: POST /v1/finetuning-jobs возвращает 202 Accepted + Operation ID. Клиент polls GET /v1/operations/{id} для статуса или подписывается на webhook. Внутри: API → Kubernetes Job → распределённое обучение на GPU-кластере → MLflow tracking для метрик → S3 для checkpoints и финальной модели. Idempotency через Idempotency-Key. RBAC: scoped tokens на проект + квоты на GPU-часы. Audit trail для compliance. На каждом шаге cost-attribution с расчётом GPU-часов в реальном времени для биллинга».

Готовность к Яндекс-процессам. Согласования, code review в Arcanum. Кандидаты, которые ругают процессы, получают -1.

Self-management. Команды распределены по доменам, plenty of autonomy.

Как готовиться: план

За 6-8 недель до планируемого собеса:

1. Неделя 1-2 — REST API + ML-инфраструктура. HTTP-методы, idempotency, OpenAPI, gRPC, long-running operations. ML-инфраструктура basics (feature stores, model registry, distributed training, GPU-allocation). Прорешай 5-7 кейсов. Параллельно — на Карьернике обнови базу по SQL и логике: 1500+ задач, по 15-20 минут в день, чтобы за месяц закрыть пробелы.
2. Неделя 3 — Яндекс-стек. YT, YQL, Logbroker, Nirvana basics. Прочитай YTsaurus open-source docs.
3. Неделя 4 — Cloud + AI контекст. Cloud-концепции (regions, AZ, VPC, IaaS/PaaS), GPU-инстансы, токены LLM, fine-tuning vs PEFT, RAG.
4. Неделя 5 — Архитектурные кейсы. Прорешай 5-7 кейсов: биллинг AI-сервисов, DataSphere fine-tuning API, multi-tenant managed-сервис, AI Services API с latency budget, compliance для гос-облака. Структура — требования → C4 → API → idempotency → backward compat → SLA. Интеграция и архитектура.
5. Неделя 6 — SQL deep dive и data design. SQL Medium-Hard 30+ задач, ER-диаграммы для cloud-сервиса, RBAC-моделирование.
6. Неделя 7-8 — Mocks и behavioral. Mock-интервью, 5-7 STAR-историй: конфликт с продактом, факап API, длинная миграция, история про оптимизацию.

Частые ошибки

Не знают YT/YQL. Кандидат на System Design рассказывает про Spark + Iceberg, не упоминая YT. В Яндексе это базовый стек.

Игнорируют long-running operations. Кандидат возвращает 201 Created вместо 202 Accepted для длинной операции. Не понимает, что fine-tuning может занять дни.

Не разбираются в ML-инфраструктуре. «Что такое train-serving skew, feature store, model registry?» — кандидат теряется.

Не думают про cost-attribution и rate limiting. В cloud это критичная часть. Без них клиент может «расстрелять» API.

Не задают вопросы про объёмы и потребителей. На кейсе сразу — стек, а не «сколько API-запросов, какие SLA, какие потребители, какая схема billing». Это первый фильтр.

Связанные темы

• Собеседование на системного аналитика
• REST API design
• Distributed systems
• Собеседование на системного аналитика в Яндексе
• Собеседование на Data Engineer в Yandex Cloud

FAQ

Удалёнка в Yandex Cloud для СА?

Чаще гибрид с офисом в Москве (БЦ «Красная Роза», «Аврора») или Санкт-Петербурге. Полная удалёнка возможна для senior+ при согласовании.

Зарплатные вилки 2026?

Middle СА: 300-460k. Senior: 460-720k. Staff/Lead — выше. Опционы/RSU в Яндексе сейчас не для всех.

Английский нужен?

Базовый — желательно. Свободный говорящий не обязателен.

Сколько этапов?

5-7 этапов, 4-6 недель из-за процессов Яндекса.

Реально ли пройти без cloud-опыта?

Сложно. Хотя бы базовые cloud-концепты (multi-tenancy, RBAC, IaaS/PaaS) должны быть, особенно для cloud API команды.

Какие книги и ресурсы помогут подготовиться?

«Designing Web APIs», документация Yandex Cloud и AWS как референс по API-design. Open-source документация YTsaurus и Apache Iceberg. По SQL и техническому минимуму — задачник Карьерника. Полезно посмотреть доклады с YaTalks и Yandex Scale.

Что важно подчеркнуть на финале?

Production-опыт с large scale, понимание distributed systems и API contracts, готовность к Яндекс-процессам и code review в Arcanum. Кандидат, который рассказывает про backward compatibility, deprecation policy и developer experience — сильно выделяется.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — команды могут менять процесс.