Обзор вакансии
Мы ищем высококвалифицированного Старшего инженера по Linux-инфраструктуре с глубокими знаниями администрирования Linux, инфраструктуры bare metal, корпоративных систем хранения данных и платформ инфраструктуры нового поколения AI Factory / GPU. Эта роль сосредоточена на проектировании, развертывании, эксплуатации и устранении неполадок крупномасштабной Linux-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 работы с Bare Metal as a Service (BMaaS), GPU-инфраструктурой, высокопроизводительными системами хранения данных, эксплуатацией центров обработки данных и корпоративными Linux-платформами.
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. Они должны быть готовы работать с высокопроизводительными вычислениями (HPC), средами AI Factory и крупномасштабными развертываниями Linux, где производительность, надежность и операционное совершенство имеют решающее значение.
Ключевые обязанности и требуемые навыки
Linux и Bare Metal инфраструктура
- Экспертный уровень администрирования Linux (Ubuntu требуется; Red Hat и SUSE предпочтительны)
- 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 прошивкой / iLO/iDRAC/IPMI / Сетевые карты и SmartNICs / HBA-карты / Диагностика и устранение неполадок 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
- Серверы NVIDIA DGX и OEM GPU
- Подготовка GPU и управление жизненным циклом
- 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 и планирования ресурсов GPU
- Многопроцессорных систем GPU
- Требований к сетевому подключению GPU
- Проектирования инфраструктуры с высокой пропускной способностью и 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
- Богатый практический опыт работы с Ceph, включая:
Архитектура кластера / MON, OSD, MDS / RBD, CephFS, RGW / Планирование емкости / Тонкая настройка производительности / Восстановление после сбоев
- Опыт работы с высокопроизводительными платформами хранения данных для ИИ, такими как:
- WEKA
- VAST Data
- Dell PowerScale
- Pure Storage FlashBlade
- NetApp
- Понимание:
- NVMe-over-Fabrics (NVMe-oF)
- RDMA
- GPUDirect Storage
- Параллельные файловые системы
- Конвейеры данных ИИ
Сети и инфраструктура
- Глубокие знания сетей:
Bonding / VLAN / Маршрутизация / Оптимизация MTU / DNS / DHCP
- Опыт работы с высокопроизводительными сетями центров обработки данных:
- 100G/200G/400G Ethernet
- RoCE
- RDMA
- Архитектуры Spine-Leaf
- Знакомство с NVIDIA Spectrum-X, адаптерами Mellanox/NVIDIA ConnectX или аналогичными технологиями
- Глубокое понимание проектирования и устранения неполадок инфраструктуры уровня 2 и уровня 3
Эксплуатация и надежность
- Опыт работы с высокой доступностью, кластеризацией и аварийным восстановлением
- Отличные навыки устранения неполадок в:
- Операционных системах Linux
- Аппаратных платформах
- GPU-инфраструктуре
- Сетях
- Корпоративных системах хранения данных
- Опыт поддержки критически важных производственных сред
- Bash и Python скриптинг для автоматизации и повышения операционной эффективности
- Опыт создания операционной документации, руководств (runbooks) и стандартов инфраструктуры
- Понимание проектирования ИИ-инфраструктуры и эталонных архитектур
- Интеграция ИИ-облаков для рабочих нагрузок
- Разработка и поддержка SOP и руководств (runbooks)
- Управление инцидентами, проблемами и мощностями
- Планирование непрерывности бизнеса и аварийного восстановления для ИИ-нагрузок
- Проактивное выявление и смягчение рисков для предотвращения влияния на бизнес
Желательно
- Kubernetes инфраструктура (особенно интеграция AI/ML и GPU)
- KVM, VMware, OpenShift Virtualization или аналогичные платформы виртуализации
- Ansible автоматизация
- NVIDIA Base Command Manager
- Slurm или HPC планировщики рабочих нагрузок
- Платформы наблюдаемости и мониторинга (Prometheus, Grafana, OpenTelemetry)
- Инструменты управления инфраструктурой центров обработки данных (DCIM)
- IPAM решения
- Опыт работы с AWS, Azure или гибридными облаками
Кого мы не ищем
- Кандидатов, чей опыт в основном связан с разработкой CI/CD конвейеров
- Инженеров, в основном сосредоточенных на Terraform, GitOps или конвейерах доставки приложений
- Облачных администраторов с ограниченным опытом работы с bare metal, системами хранения данных или аппаратным обеспечением
- 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, аппаратным обеспечением, системами хранения данных и инфраструктурой ИИ. Опыт DevOps приветствуется, но глубокие знания Linux, инфраструктуры, систем хранения данных, BMaaS и AI Factory являются основным требованием.
