Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
PParallel Domain
Канада7 месяцев назад
145 000 – 185 000 CAD
в год
About the Role Before an autonomous vehicle navigates a busy intersection, before a robot learns to pick and place in a warehouse, before any Physical AI system is trusted in the real world, it has to prove itself in ours. Parallel Domain builds the platform that validates the next generation of autonomous systems in high-fidelity virtual environments, and the infrastructure underneath that platform is what makes simulation at scale possible. We're hiring a Senior Site Reliability Engineer to help build and operate that infrastructure. This role sits at the core of how we run large-scale, distributed simulation workloads for autonomous-systems testing and validation. You'll work across multi-region AWS infrastructure, operate Kubernetes at scale, and contribute directly to reliability, security, and deployment systems that the rest of the engineering org depends on. This is a hands-on role with the broad ownership typical of a startup. You'll partner closely with platform, simulation, and ML teams to keep the system running smoothly and evolving. We're growing the team—two of these roles are open—and the work is substantive: multi-region GPU scheduling, Windows workloads on Kubernetes, large-scale batch simulation, and an enterprise product direction that will require rethinking parts of how we deploy and operate.
Responsibilities Infrastructure ownership and cloud operations. Design, build, and maintain multi-region AWS infrastructure using Terraform. Operate and scale EKS clusters across production regions: autoscaling, node lifecycle, workload health. Manage networking across environments: VPC design, DNS, load balancing, and cross-region connectivity. Support infrastructure changes, migrations, and expansions into new regions. Contribute to and improve GitOps-based deployment workflows using GitHub Actions, Helm, and Kustomize. Reliability engineering and incident response. Help build and run incident management processes: severity definitions, escalation paths, on-call practices. Lead incident response, debugging, and root-cause analysis. Write postmortems and drive systemic reliability improvements from what they surface. Improve observability across metrics, logging, tracing, and dashboards. Support GPU and batch workloads running on Kubernetes. Security and access management. Provide security-conscious feedback on platform architecture decisions. Own cloud IAM governance: roles, policies, and access boundaries across accounts and services. Lead compliance-adjacent work including audit-readiness, partner certification requirements, and supporting responses to customer security questionnaires. Platform tooling and developer experience. Improve CI/CD pipelines and infrastructure validation. Support engineers with infrastructure debugging, environment setup, and performance issues. Contribute to tooling and automation in Python and Bash. Take on adjacent responsibilities as needed in a startup environment.
Required Qualifications Experience. 5+ years in SRE, DevOps, or infrastructure engineering roles, with a track record of operating production systems across multiple regions. Terraform. Modules, state management, and multi-environment patterns. AWS depth. Solid experience across VPC, IAM, EKS, S3, and CloudWatch. Kubernetes expertise. Cluster operations, autoscaling, RBAC, and Helm. CI/CD and GitOps. Experience with GitHub Actions, ArgoCD, or similar workflows. Networking fundamentals. CIDR, DNS, load balancing, VPN, and cross-region connectivity. Observability. Experience with tooling such as Prometheus and Grafana. Scripting. Comfort with Python and Bash for tooling and automation. Cross-platform familiarity. Working knowledge of both Linux and Windows environments. Operational experience supporting Windows-based workloads is a meaningful advantage. Pragmatism and ownership. Comfortable in a fast-moving startup with evolving priorities. You take ownership of systems while collaborating closely with other teams, and you're pragmatic about tradeoffs between speed, reliability, and complexity.
Preferred Qualifications Windows on Kubernetes. Experience with Windows node pools, Windows AMIs, and GPU-adjacent components on K8s. GPU scheduling. Familiarity with GPU scheduling on Kubernetes, including NVIDIA device plugin configuration. Domain workloads. Experience supporting simulation, ML, or rendering workloads in cloud infrastructure. AWS extras. Exposure to AWS Storage Gateway, Active Directory integrations, or AWS Transfer Family. Service mesh. Familiarity with service proxy or service mesh patterns. Container OS. Experience with container-optimized OS images (e.g., Bottlerocket, Packer). Cost optimization. Cloud cost optimization at scale.
Core Tools Terraform · AWS · Kubernetes · Helm · Kustomize · ArgoCD · GitHub Actions · Prometheus · Grafana · Docker · Python · Bash
What Makes a Great Candidate You think in failure modes and proactively surface issues. You hold a principled view on security and push back constructively when designs introduce unnecessary risk. You communicate clearly across engineering, product, and customer-facing teams, flagging issues with urgency proportional to customer impact. You take end-to-end ownership of complex efforts and know when to push for the clean solution versus the pragmatic one.
Base salary range of CAD $145,000–$185,000, depending on skills, qualifications, and experience, plus equity, full health/dental/vision coverage, learning stipend, and generous vacation. This role is remote-friendly across Canada and the US Pacific Northwest.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 169 000 до 223 000
Грейд
Senior
Опыт работы
от 5 лет
Формат работы
Удалённо
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Прежде чем автономный автомобиль проедет через оживленный перекресток, прежде чем робот научится брать и класть предметы на складе, прежде чем любая система Physical AI будет доверена реальному миру, ей придется доказать свою состоятельность в нашем. Parallel Domain создает платформу, которая проверяет следующее поколение автономных систем в высокоточных виртуальных средах, а инфраструктура, лежащая в основе этой платформы, делает возможным моделирование в масштабе. Мы ищем старшего инженера по надежности сайтов (Senior Site Reliability Engineer), чтобы помочь создать и эксплуатировать эту инфраструктуру. Эта роль находится в центре того, как мы выполняем крупномасштабные распределенные рабочие нагрузки моделирования для тестирования и проверки автономных систем. Вы будете работать с многорегиональной инфраструктурой AWS, эксплуатировать Kubernetes в масштабе и напрямую вносить вклад в системы надежности, безопасности и развертывания, от которых зависит остальная часть инженерной организации. Это практическая роль с широкой ответственностью, типичной для стартапа. Вы будете тесно сотрудничать с командами по платформе, моделированию и ML, чтобы система работала бесперебойно и развивалась. Мы расширяем команду — открыты две вакансии — и работа существенная: планирование GPU в нескольких регионах, рабочие нагрузки Windows на Kubernetes, крупномасштабное пакетное моделирование и корпоративное направление продукта, которое потребует переосмысления частей нашего развертывания и эксплуатации.
Владение инфраструктурой и облачные операции. Проектирование, создание и поддержка многорегиональной инфраструктуры AWS с использованием Terraform. Эксплуатация и масштабирование кластеров EKS в производственных регионах: автомасштабирование, жизненный цикл узлов, работоспособность рабочих нагрузок. Управление сетями в различных средах: проектирование VPC, DNS, балансировка нагрузки и межрегиональная связность. Поддержка изменений инфраструктуры, миграций и расширений в новые регионы. Вклад в рабочие процессы развертывания на основе GitOps с использованием GitHub Actions, Helm и Kustomize, а также их улучшение. Инженерная надежность и реагирование на инциденты. Помощь в создании и проведении процессов управления инцидентами: определение уровней серьезности, пути эскалации, практики дежурств. Руководство реагированием на инциденты, отладкой и анализом первопричин. Написание постмортемов и стимулирование системных улучшений надежности на основе выявленных проблем. Улучшение наблюдаемости через метрики, логирование, трассировку и дашборды. Поддержка GPU и пакетных рабочих нагрузок, работающих на Kubernetes. Безопасность и управление доступом. Предоставление рекомендаций по безопасности при принятии решений об архитектуре платформы. Владение управлением IAM в облаке: роли, политики и границы доступа между учетными записями и службами. Руководство работой, связанной с соответствием нормативным требованиям, включая готовность к аудиту, требования партнерской сертификации и поддержку ответов на анкеты безопасности клиентов. Инструментарий платформы и опыт разработчика. Улучшение конвейеров CI/CD и валидации инфраструктуры. Поддержка инженеров в отладке инфраструктуры, настройке сред и решении проблем с производительностью. Вклад в создание инструментов и автоматизации на Python и Bash. Принятие смежных обязанностей по мере необходимости в условиях стартапа.
Опыт. Более 5 лет работы в SRE, DevOps или инженерии инфраструктуры с подтвержденным опытом эксплуатации производственных систем в нескольких регионах. Terraform. Модули, управление состоянием и шаблоны для нескольких сред. Глубокие знания AWS. Уверенный опыт работы с VPC, IAM, EKS, S3 и CloudWatch. Экспертиза в Kubernetes. Операции с кластерами, автомасштабирование, RBAC и Helm. CI/CD и GitOps. Опыт работы с GitHub Actions, ArgoCD или аналогичными рабочими процессами. Основы сетевых технологий. CIDR, DNS, балансировка нагрузки, VPN и межрегиональная связность. Наблюдаемость. Опыт работы с такими инструментами, как Prometheus и Grafana. Скриптинг. Уверенное владение Python и Bash для создания инструментов и автоматизации. Кроссплатформенная совместимость. Практические знания сред Linux и Windows. Операционный опыт поддержки рабочих нагрузок на базе Windows является значительным преимуществом. Прагматизм и ответственность. Уверенность в быстро меняющейся среде стартапа с меняющимися приоритетами. Вы берете на себя ответственность за системы, тесно сотрудничая с другими командами, и прагматично относитесь к компромиссам между скоростью, надежностью и сложностью.
Windows на Kubernetes. Опыт работы с пулами узлов Windows, образами AMIs Windows и компонентами, связанными с GPU, на K8s. Планирование GPU. Знакомство с планированием GPU на Kubernetes, включая настройку плагина устройства NVIDIA. Отраслевые рабочие нагрузки. Опыт поддержки рабочих нагрузок моделирования, ML или рендеринга в облачной инфраструктуре. Дополнительные возможности AWS. Опыт работы с AWS Storage Gateway, интеграциями Active Directory или AWS Transfer Family. Service Mesh. Знакомство с шаблонами прокси-сервисов или service mesh. Контейнерные ОС. Опыт работы с образами контейнерных ОС (например, Bottlerocket, Packer). Оптимизация затрат. Масштабная оптимизация облачных затрат.
Основные инструменты Terraform · AWS · Kubernetes · Helm · Kustomize · ArgoCD · GitHub Actions · Prometheus · Grafana · Docker · Python · Bash
Что делает кандидата отличным Вы думаете о режимах отказа и проактивно выявляете проблемы. У вас есть принципиальная позиция в отношении безопасности, и вы конструктивно возражаете, когда проекты создают неоправданный риск. Вы четко общаетесь с инженерными, продуктовыми и клиентскими командами, своевременно сообщая о проблемах пропорционально их влиянию на клиентов. Вы берете на себя полную ответственность за сложные задачи и знаете, когда следует добиваться чистого решения, а когда — прагматичного.
Базовый диапазон заработной платы составляет 145 000–185 000 канадских долларов в зависимости от навыков, квалификации и опыта, плюс опционы, полное медицинское, стоматологическое и офтальмологическое страхование, стипендия на обучение и щедрый отпуск. Эта должность подходит для удаленной работы по всей Канаде и на Тихоокеанском Северо-Западе США.