Местоположение: Сан-Хосе, Калифорния / Удаленно
Компания: Bitdeer Technologies Group
Тип занятости: Полная занятость
Зарплата: 180 000–260 000 USD В ГОД
Bitdeer — ведущая мировая технологическая компания в области инфраструктуры для майнинга AI и Bitcoin.
Bitdeer стремится предоставлять комплексные решения для майнинга Bitcoin своим клиентам и создавать вычислительную инфраструктуру для AI, чтобы поддержать революцию в области AI. Bitdeer занимается сложными процессами, связанными с вычислениями, такими как закупка оборудования, логистика транспортировки, проектирование и строительство центров обработки данных, управление оборудованием и повседневная эксплуатация. Bitdeer также предлагает передовые облачные возможности клиентам с высоким спросом на искусственный интеллект.
Штаб-квартира Bitdeer находится в Сингапуре, а центры обработки данных развернуты в нескольких странах, включая США, Норвегию, Бутан и Эфиопию.
Обзор позиции
Вы управляете управляющим узлом, где AIOps встречается с арендаторами — где реально выполняются планирование с учетом топологии, самовосстановление и исправление ошибок с помощью агентов.
NeoCloud создает GPU-облако, управляемое AI. Kubernetes — это то, куда все это попадает при работе с реальными клиентскими нагрузками: планировщик с учетом топологии размещает задачи в правильной NVLink-домене, оператор выводит и перепланирует задачи вокруг прогнозируемых сбоев, а границы арендаторов обеспечиваются на основе бэкенда Bare-Metal-as-a-Service. В этой роли вы проектируете, развертываете и управляете этим управляющим узлом — и следите за тем, чтобы AIOps-подложка могла вмешаться и исправить ошибки без участия человека, находящегося на дежурстве.
Что в вашей ответственности
- Производственные кластеры Kubernetes, оптимизированные для GPU-нагрузок в масштабе (от 100 до 10 000 GPU).
- Nvidia GPU operator, device plugin, конфигурация MIG и политики разделения времени GPU.
- Планирование с учетом топологии: локальность GPU, осведомленность о NVLink-домене, привязка к сетевым каналам.
- Пользовательские определения ресурсов (CRD) для управления жизненным циклом GPU-нагрузок.
- Интеграция AI-фреймворков: Slurm на K8S, Ray на K8S, Kubeflow.
- Изоляция нескольких арендаторов: пространства имен, сетевые политики, квоты ресурсов, RBAC, стандарты безопасности подов.
- Bare-Metal as a Service (BMaaS): автоматизированное выделение ресурсов, онбординг арендаторов, жизненный цикл, возврат ресурсов.
- Terraform-провайдеры и модули для инфраструктуры как кода для GPU-кластеров.
- SLI/SLO для доступности кластера, скорости завершения заданий и задержки выделения ресурсов.
- Управление инцидентами: автоматизация runbook, эскалация, разборы после инцидентов.
- Стек мониторинга: Prometheus, Grafana, Alertmanager, PagerDuty.
- Обработка сбоев GPU-узлов: автоматическое обнаружение, вывод из эксплуатации/изоляция/применение тегов, перепланирование рабочих нагрузок.
Поддержка AIOps-подложки
- Здесь размещаются исполнительные механизмы исправления и движок рабочих процессов — вы делаете управляющий узел безопасным для автоматизированных действий.
- Ваши CRD — это схема, по которой пишут предикторы и исправители платформы.
- Каждое ваше человеческое вмешательство в этом квартале станет автономным рабочим процессом в следующем квартале.
Что означает успех в первый год
- Автоматизированный вывод из эксплуатации/перепланирование при прогнозируемых сбоях GPU в масштабе, без воздействия на клиентов.
- BMaaS доступен для внешних арендаторов с самостоятельным онбордингом.
- Публикация и соблюдение SLO по доступности кластера и завершению заданий.
Требования к кандидату:
- 5+ лет опыта работы с Kubernetes, из них не менее 2 лет с GPU-нагрузками на K8S.
- Глубокое понимание Nvidia GPU operator, device plugin и планирования GPU в K8S.
- Опыт работы с планированием с учетом топологии и управлением ресурсами, специфичными для GPU.
- Практический опыт создания мультиарендных K8S-платформ с надежными гарантиями изоляции.
- Опыт автоматизации выделения и жизненного цикла серверов bare-metal (Ironic, MAAS или кастомные решения).
- Уверенное владение Terraform, Helm и GitOps-рабочими процессами (ArgoCD/Flux).
- Сильный SRE-бэкграунд: фреймворки SLI/SLO, управление инцидентами, планирование мощностей.
- Опыт работы с Prometheus, Grafana и системами оповещения в масштабе.
- Сильные навыки программирования на Go или Python для разработки операторов/CRD.
- AIOps-подход — вы рассматриваете K8S-управляющий узел как поверхность выполнения для автоматизированного исправления, а не просто как планировщик. Вы либо интегрировали цикл автомасштабирования/исправления с K8S, либо можете его спроектировать.
- Мышление "Runbook-as-code" — каждый написанный вами SRE-плейбук должен быть исполняемым платформой.
Bitdeer стремится предоставлять равные возможности трудоустройства в соответствии с законами страны, штата и местными законами. Bitdeer не допускает дискриминации сотрудников или соискателей по признакам расы, цвета кожи, гендерной идентичности и/или выражения, сексуальной ориентации, семейного и/или родительского статуса, религии, политических убеждений, национальности, этнического происхождения или социального происхождения, социального статуса, инвалидности, возраста, статуса коренного жителя и членства в профсоюзе.
