Инженер по Linux-инфраструктуре (Bare Metal, системы хранения данных и инфраструктура AI Factory)
Компания: Uvation
Местоположение: Сингапур / Удаленно
Тип занятости: Контракт
Обзор вакансии
Мы ищем высококвалифицированного Старшего инженера по Linux-инфраструктуре с глубокой экспертизой в администрировании Linux, инфраструктуре bare metal, корпоративных системах хранения данных и платформах нового поколения AI Factory / GPU-инфраструктуре. 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 в области Bare Metal as a Service (BMaaS), GPU-инфраструктуры, высокопроизводительных систем хранения данных, эксплуатации дата-центров и корпоративных Linux-платформ.
Идеальный кандидат будет иметь опыт создания и управления инфраструктурой от аппаратного уровня, включая серверы, сети, системы хранения данных, GPU-кластеры и платформы, готовые к работе с ИИ. Он должен быть готов 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 инфраструктура Bare Metal
- Экспертный уровень администрирования Linux (обязателен Ubuntu; предпочтительны Red Hat и SUSE)
- Глубокая экспертиза в развертывании, архитектуре, подготовке и управлении жизненным циклом серверов bare metal
- 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 (Firmware management)
- iLO/iDRAC/IPMI
- Сетевые карты и SmartNIC
- 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
- NVIDIA DGX и OEM GPU-серверы
- Подготовка и управление жизненным циклом GPU
- Мониторинг и оптимизация производительности GPU
- Знание архитектуры AI Factory и требований к инфраструктуре
- Опыт поддержки GPU-кластеров, сред обучения ИИ и высокопроизводительных вычислительных (HPC) нагрузок
- Понимание:
- Распределения ресурсов GPU и планирования
- Многопроцессорных систем
- Требований к GPU-сетям
- Проектирование 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
- Обширный практический опыт работы с Ceph, включая:
- Архитектуру кластера
- MON
- OSD
- MDS
- RBD
- CephFS
- RGW
- Планирование емкости
- Оптимизация производительности
- Восстановление после сбоев
- Опыт работы с высокопроизводительными AI-хранилищами, 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
Сети и инфраструктура
- Глубокие знания в области сетей:
- Bonding
- VLAN
- Маршрутизация
- Оптимизация MTU
- DNS
- DHCP
- Опыт работы с высокопроизводительными сетями дата-центров:
- 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 системами высокой доступности, кластеризации и аварийного восстановления
- Отличные навыки устранения неполадок в:
- Операционных системах Linux
- Аппаратных платформах
- GPU-инфраструктуре
- Сетях
- 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 (runbooks) и стандартов инфраструктуры
- Понимание проектирования AI-инфраструктуры и эталонных архитектур
- Интеграция AI-облаков для рабочих нагрузок
- Разработка и поддержка SOP и руководств (runbooks)
- Управление инцидентами, проблемами и мощностями
- Планирование непрерывности бизнеса и аварийного восстановления для AI-нагрузок
- Проактивное выявление и минимизация рисков для предотвращения воздействия 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
- Планировщики рабочих нагрузок Slurm или 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 инженерией CI/CD-конвейеров
- Инженеров, сосредоточенных в основном на Terraform, GitOps или конвейерах доставки приложений
- Администраторов, работающих исключительно с облаками и имеющих ограниченный опыт работы с bare metal, системами хранения данных или аппаратным обеспечением
- Специалистов, чья основная экспертиза заключается в разработке программного обеспечения, а не в инженерии 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 хранилищами данных и высокопроизводительными сетями, решая при этом сложные задачи, связанные с операционными системами, аппаратным обеспечением, хранением данных и AI-инфраструктурой. Опыт DevOps является плюсом, но основное требование — глубокая экспертиза в Linux, инфраструктуре, хранении данных, BMaaS и AI Factory.
