Обзор вакансии
Мы ищем высококвалифицированного Старшего инженера по Linux-инфраструктуре с глубокими знаниями администрирования Linux, инфраструктуры bare metal, корпоративных систем хранения данных и платформ AI Factory / GPU-инфраструктуры нового поколения. Эта роль предполагает проектирование, развертывание, эксплуатацию и устранение неполадок крупномасштабной Linux-основанной инфраструктуры, которая обеспечивает работу как традиционных корпоративных нагрузок, так и современных сред AI/ML.
Это не роль, ориентированная на DevOps. У нас уже есть выделенная команда DevOps, и мы ищем инженера с обширным практическим опытом в области Bare Metal as a Service (BMaaS), GPU-инфраструктуры, высокопроизводительных систем хранения данных, эксплуатации центров обработки данных и корпоративных Linux-платформ.
Идеальный кандидат будет иметь опыт создания и управления инфраструктурой от аппаратного уровня, включая серверы, сетевое оборудование, системы хранения данных, GPU-кластеры и платформы, готовые к работе с ИИ. Он должен быть уверен в работе с высокопроизводительными вычислениями (HPC), средами AI Factory и крупномасштабными развертываниями Linux, где производительность, надежность и операционное превосходство имеют решающее значение.
Ключевые обязанности и требуемые навыки
Linux и bare metal инфраструктура
- Экспертное администрирование Linux (требуется Ubuntu; предпочтительно Red Hat и SUSE)
- Глубокие знания в области развертывания, архитектуры, подготовки и управления жизненным циклом bare metal серверов
- Опыт работы с платформами Bare Metal as a Service (BMaaS) и крупномасштабными инфраструктурными средами
- Глубокое понимание серверного оборудования, включая:
BIOS/UEFI / RAID-контроллеры / управление прошивками / iLO/iDRAC/IPMI / сетевые карты и SmartNIC / HBA-карты / диагностика и устранение неисправностей оборудования
- Опыт проектирования, внедрения и поддержки корпоративной Linux-инфраструктуры в масштабе
AI Factory и GPU-инфраструктура
- Опыт развертывания и управления GPU-ускоренной инфраструктурой для AI/ML нагрузок
- Понимание технологий NVIDIA GPU, включая:
- A100, H100, H200, B200 или эквивалентные GPU-платформы
- NVIDIA DGX и OEM GPU-серверы
- Подготовка и управление жизненным циклом GPU
- Мониторинг GPU и оптимизация производительности
- Знание архитектуры AI Factory и требований к инфраструктуре
- Опыт поддержки GPU-кластеров, сред обучения ИИ и высокопроизводительных вычислений (HPC)
- Понимание:
- Распределения ресурсов GPU и планирования
- Многопроцессорных систем GPU
- Требований к сетевому взаимодействию GPU
- Проектирования высокоскоростной инфраструктуры с низкой задержкой
- Знакомство с технологиями экосистемы NVIDIA, такими как:
- CUDA
- NCCL
- GPUDirect Storage
- NVIDIA Fabric Manager
- NVIDIA Base Command (предпочтительно)
Корпоративные системы хранения данных и платформы данных
- Продвинутое администрирование Linux-хранилищ:
LVM / XFS, EXT4 / NFS / iSCSI / Fibre Channel SAN / Multipath I/O
- Значительный практический опыт работы с Ceph, включая:
Архитектуру кластера / MON, OSD, MDS / RBD, CephFS, RGW / планирование емкости / настройка производительности / восстановление после сбоев
- Опыт работы с высокопроизводительными AI-платформами хранения данных, такими как:
- WEKA
- VAST Data
- Dell PowerScale
- Pure Storage FlashBlade
- NetApp
- Понимание:
- NVMe-over-Fabrics (NVMe-oF)
- RDMA
- GPUDirect Storage
- Параллельных файловых систем
- AI-конвейеров данных
Сеть и инфраструктура
- Глубокие знания сетевых технологий:
Bonding / VLAN / маршрутизация / оптимизация MTU / DNS / DHCP
- Опыт работы с высокопроизводительными сетевыми технологиями дата-центров:
- 100G/200G/400G Ethernet
- RoCE
- RDMA
- Архитектуры Spine-Leaf
- Знакомство с NVIDIA Spectrum-X, сетевыми адаптерами Mellanox/NVIDIA ConnectX или аналогичными технологиями
- Глубокое понимание проектирования и устранения неполадок сетевой инфраструктуры уровня 2 и уровня 3
Эксплуатация и надежность
- Опыт обеспечения высокой доступности, кластеризации и аварийного восстановления
- Отличные навыки устранения неполадок в:
- Операционных системах Linux
- Аппаратных платформах
- GPU-инфраструктуре
- Сетевом оборудовании
- Корпоративных системах хранения данных
- Опыт поддержки критически важных производственных сред
- Скриптинг на Bash и Python для автоматизации и повышения операционной эффективности
- Опыт создания операционной документации, руководств по эксплуатации (runbooks) и стандартов инфраструктуры
- Понимание проектирования AI-инфраструктуры и эталонных архитектур
- Интеграция AI-облаков для рабочих нагрузок
- Разработка и поддержка стандартных операционных процедур (SOP) и руководств по эксплуатации
- Управление инцидентами, проблемами и мощностями
- Планирование непрерывности бизнеса и аварийного восстановления для AI-нагрузок
- Проактивное выявление и снижение рисков для предотвращения влияния на бизнес
Желательно
- Kubernetes-инфраструктура (особенно интеграция AI/ML и GPU)
- KVM, VMware, OpenShift Virtualization или аналогичные платформы виртуализации
- Автоматизация с помощью Ansible
- NVIDIA Base Command Manager
- Slurm или планировщики рабочих нагрузок HPC
- Платформы наблюдаемости и мониторинга (Prometheus, Grafana, OpenTelemetry)
- Инструменты управления инфраструктурой дата-центров (DCIM)
- IPAM-решения
- Опыт работы с AWS, Azure или гибридными облаками
Мы НЕ ИЩЕМ
- Кандидатов, чей опыт в основном связан с разработкой CI/CD-конвейеров
- Инженеров, сосредоточенных в основном на Terraform, GitOps или конвейерах доставки приложений
- Облачных администраторов с ограниченным опытом работы с bare metal, системами хранения данных или оборудованием
- Специалистов, чья основная экспертиза заключается в разработке программного обеспечения, а не в инжиниринге инфраструктуры
Идеальный кандидат
Человек, который годами занимался проектированием, созданием и эксплуатацией корпоративных Linux-сред, крупномасштабной bare metal-инфраструктуры, платформ хранения данных и современных AI Factory-сред. Идеальный кандидат понимает, как развертывать и управлять инфраструктурой с поддержкой GPU, платформами BMaaS, корпоративными системами хранения данных и высокопроизводительными сетями, решая при этом сложные задачи, связанные с операционными системами, оборудованием, системами хранения данных и AI-инфраструктурой. Опыт DevOps является плюсом, но глубокие знания Linux, инфраструктуры, систем хранения данных, BMaaS и AI Factory — главное требование.
