Обзор вакансии
Мы ищем высококвалифицированного старшего инженера по Linux-инфраструктуре с глубокими знаниями в области администрирования Linux, bare metal инфраструктуры, корпоративных систем хранения данных и платформ AI Factory / GPU инфраструктуры нового поколения. Эта роль сосредоточена на проектировании, развертывании, эксплуатации и устранении неполадок крупномасштабной Linux-инфраструктуры, которая обеспечивает работу как традиционных корпоративных рабочих 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 Bare Metal as a Service (BMaaS), GPU инфраструктуре, высокопроизводительных системах хранения данных, эксплуатации центров обработки данных и корпоративных Linux-платформах.
Идеальный кандидат будет иметь опыт построения и управления инфраструктурой от аппаратного уровня, включая серверы, сетевые устройства, 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 превосходство имеют решающее значение.
Ключевые обязанности и требуемые навыки
Linux и Bare Metal инфраструктура
- Экспертный уровень администрирования Linux (Ubuntu обязательно; 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 прошивками / 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 рабочих 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 вычислений (HPC)
- Понимание:
- Распределения и планирования ресурсов GPU
- 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
- Сильный практический опыт работы с Ceph, включая:
Архитектура кластера / MON, OSD, MDS / RBD, CephFS, RGW / Планирование емкости / Оптимизация 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
- Параллельные файловые системы
- AI конвейеры данных
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, сетевыми адаптерами Mellanox/NVIDIA ConnectX или эквивалентными 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
- Сильные 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 операционной эффективности
- Опыт создания операционной документации, руководств по эксплуатации и стандартов инфраструктуры
- Понимание проектирования AI инфраструктуры и эталонных архитектур
- Интеграция AI облака для рабочих нагрузок
- Разработка и поддержка SOP и руководств по эксплуатации
- Управление инцидентами, проблемами и емкостью
- Планирование непрерывности бизнеса и аварийного восстановления для AI рабочих 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 наблюдения и мониторинга (Prometheus, Grafana, OpenTelemetry)
- Инструменты управления инфраструктурой центров обработки данных (DCIM)
- IPAM решения
- Опыт работы с AWS, Azure или гибридными облаками
Мы НЕ ИЩЕМ
- Кандидатов, чей опыт в основном связан с инженерией CI/CD пайплайнов
- Инженеров, сосредоточенных в основном на Terraform, GitOps или пайплайнах доставки приложений
- Администраторов, работающих исключительно в облаке, 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 инженерии инфраструктуры
Идеальный кандидат
Человек, который годами занимался проектированием, построением 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 AI инфраструктурой. Опыт DevOps приветствуется, но глубокие знания Linux, инфраструктуры, систем хранения данных, BMaaS и AI Factory являются основным требованием.
