Мы ищем высококвалифицированного инженера по сетям для проектирования, внедрения и эксплуатации высокопроизводительных сетевых фабрик, поддерживающих крупномасштабные GPU-кластеры и рабочие нагрузки для обучения ИИ. Эта роль сосредоточена на инфраструктуре с ультранизкой задержкой и высокой пропускной способностью, построенной на технологиях InfiniBand и высокоскоростного Ethernet (200/400GbE).
Ключевые обязанности
Архитектура и внедрение сети
- Проектирование и развертывание топологий leaf–spine для GPU-кластеров (InfiniBand или высокоскоростной Ethernet)
- Конфигурирование и управление коммутаторами, такими как Mellanox SN5600/SN4600, QM9700/QM9790 или эквивалентными
- Построение и оптимизация фабрик RoCEv2 / InfiniBand (PFC, ECN, DCBX, управление перегрузками)
- Реализация сегментации сети и мультиарендности (VLAN, VRF, VPC, SDN-оверлеи)
- Интеграция BlueField-3 DPUs, SR-IOV vNICs и решений для разгрузки сети
Эксплуатация и надежность
- Мониторинг состояния фабрики (производительность, перегрузка, потери пакетов, маршрутизация, нехватка кредитов)
- Устранение неполадок в высокопроизводительных пайплайнах обучения ИИ (коллективные операции, all-reduce, RDMA)
- Поддержка конфигураций маршрутизации и безопасности: BGP (EVPN), OSPF, MLAG/VPC
- Управление обновлениями spine и жизненным циклом прошивок
- Разработка автоматизации для сетевой конфигурации (Ansible, Terraform, GitOps)
Сетевое обеспечение хранения данных
- Развертывание и оптимизация NVMe-over-Fabrics
- Интеграция высокопроизводительных платформ хранения данных (WekaFS, VAST, DDN, Pure, Ceph NVMe tier)
- Настройка сети для рабочих нагрузок с ультранизкой задержкой и высокой пропускной способностью (обучение и вывод ИИ)
Интеграция центра обработки данных
- Сотрудничество с командами по электрике, механике и вычислениям по компоновке стоек, воздушным потокам и кабельной проводке
- Валидация запуска стоек: тестирование коммутаторов, активация каналов, тестирование кросс-соединений
Безопасность и соответствие требованиям
- Реализация безопасной изоляции мультиарендности для облачных сред GPU
- Укрепление API, сетей управления и внеполосного доступа
Автоматизация и наблюдаемость
- Создание панелей мониторинга и оповещений с использованием Grafana, Prometheus, InfiniBand Telemetry, WJH
- Участие во внутренних инструментах для валидации фабрики, автоматического выделения ресурсов и обнаружения дрейфа конфигурации
Требуемые навыки
Основные сетевые технологии
- Глубокие знания InfiniBand (HDR/NDR) или высокоскоростного Ethernet (200G/400G)
- Отличное знание RDMA (RoCEv2, состояния QP, управление перегрузками)
- Продвинутая маршрутизация и коммутация (BGP, EVPN, OSPF, MLAG/VPC)
- Опыт работы с платформами Mellanox/NVIDIA (ONIE, Cumulus, MLNX-OS, UFM, NEO)
- Прочные знания основ сети Linux
Инфраструктура ИИ
- Опыт поддержки кластеров обучения ИИ (GPU H100, B200, A100 или аналогичные)
- Знакомство с BlueField DPUs, SR-IOV, VirtIO
- Опыт работы с сетями OVN/Kube-OVN/Calico
Сетевое обеспечение хранения данных
- Понимание NVMe-oF (TCP или RDMA)
- Опыт работы с WekaFS, DDN, VAST или Pure (большое преимущество)
Желательные навыки
- Сети Kubernetes (CNI, Cilium, Calico, Multus)
- Опыт работы с OpenStack Neutron / OVN
- Понимание виртуализации GPU и сетевых паттернов MIG
