Название: Sr. GPU Cloud K8S Expert (SRE SME)
Местоположение: Сингапур, SG
Компания: Bitdeer Technologies Group
Тип занятости: Полная занятость
О Bitdeer:
Bitdeer — ведущая мировая технологическая компания в области майнинга биткойнов и облачных вычислений на базе ИИ.
Bitdeer стремится предоставлять комплексные решения для майнинга биткойнов своим клиентам. Помимо проектирования ведущих в отрасли ASIC-чипов и производства майнингового оборудования, Группа занимается сложными процессами, связанными с вычислениями по всей цепочке создания стоимости. Это включает закупку оборудования, логистику транспортировки, проектирование и строительство центров обработки данных, управление оборудованием, а также эксплуатацию сети и объектов. Bitdeer также предлагает передовые облачные возможности для клиентов с высоким спросом на искусственный интеллект.
Со штаб-квартирой в Сингапуре, Bitdeer работает по всему миру, обладая диверсифицированным энергетическим портфелем мощностью 3 ГВт, и развертывает центры обработки данных для майнинга биткойнов и HPC в США, Бутане, Норвегии, Канаде, Малайзии и Эфиопии.
Что будет входить в ваши обязанности:
Ваша зона ответственности
- Производственные кластеры Kubernetes, оптимизированные для крупномасштабных GPU-нагрузок (от 100 до 10 000 GPU).
- Nvidia GPU operator, device plugin, конфигурация MIG и политики разделения времени GPU.
- Топологически-осведомленное планирование: локальность GPU, осведомленность о домене NVLink, привязка к сетевым шинам.
- Пользовательские определения ресурсов (CRD) для управления жизненным циклом GPU-нагрузок.
- Интеграции с AI-фреймворками: Slurm на K8S, Ray на K8S, Kubeflow.
- Многопользовательская изоляция: пространства имен, сетевые политики, квоты ресурсов, RBAC, стандарты безопасности пода.
- Bare-Metal as a Service (BMaaS): автоматизированное предоставление, онбординг арендаторов, жизненный цикл, рекуперация.
- Terraform провайдеры и модули для инфраструктуры как кода для GPU-кластеров.
- SLI/SLO для доступности кластера, коэффициента завершения заданий и задержки предоставления.
- Управление инцидентами: автоматизация runbook, эскалация, пост-инцидентные обзоры.
- Стек мониторинга: Prometheus, Grafana, Alertmanager, PagerDuty.
- Обработка отказов GPU-узлов: автоматическое обнаружение, drain/cordon/taint, перепланирование рабочей нагрузки.
Питание AIOps подсистемы
- Здесь находятся движок для исправления и оркестратор рабочих процессов — вы делаете плоскость управления безопасной для автоматизированных действий.
- Ваши CRD являются схемой, по которой пишут предикторы и ремедиаторы платформы.
- Каждое ваше ручное вмешательство в этом квартале станет автономным рабочим процессом в следующем квартале.
Что означает успех в первый год
- Автоматизированный drain/reschedule при прогнозируемых сбоях GPU в большом масштабе без влияния на клиента.
- BMaaS доступен для внешних арендаторов с возможностью самостоятельного онбординга.
- Опубликованные и достигнутые SLO по доступности кластера и завершению заданий.
Чем вы сможете выделиться:
- 5+ лет опыта работы с Kubernetes, из них как минимум 2 года с GPU-нагрузками на K8S
- Глубокое понимание Nvidia GPU operator, device plugin и планирования GPU в K8S
- Опыт работы с топологически-осведомленным планированием и управлением ресурсами, специфичными для GPU
- Практический опыт создания многопользовательских K8S-платформ с надежными гарантиями изоляции
- Опыт предоставления bare-metal серверов и автоматизации их жизненного цикла (Ironic, MAAS или кастомные решения)
- 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 оповещениями в большом масштабе
- Сильные навыки программирования на Go или Python для разработки операторов/CRD
- Способность к AIOps — вы воспринимаете плоскость управления K8S как поверхность для выполнения автоматических исправлений, а не просто как планировщик. Вы либо связывали цикл автомасштабирования/исправления с K8S, либо можете его спроектировать.
- Mindset «Runbook-as-code» — каждый написанный вами playbook SRE должен быть исполняемым платформой.
Что вы получите, работая с нами:
- Культура, ценящая аутентичность и разнообразие мыслей и происхождения;
- Инклюзивная и уважительная среда с открытыми рабочими пространствами и захватывающим стартап-духом;
- Быстрорастущая компания с возможностью наладить контакты с пионерами отрасли и энтузиастами;
- Возможность напрямую вносить вклад и влиять на будущее индустрии цифровых активов;
- Участие в новых проектах, разработка процессов/систем;
- Личная ответственность, автономия, быстрый рост и возможности для обучения;
- Привлекательные социальные льготы и возможности для развития, такие как обучение и наставничество.
Bitdeer стремится предоставлять равные возможности трудоустройства в соответствии с законами страны, штата и местными законами. Bitdeer не дискриминирует сотрудников или соискателей по признакам расы, цвета кожи, гендерной идентичности и/или выражения, сексуальной ориентации, семейного положения и/или статуса родителя, религии, политических взглядов, национальности, этнического происхождения или социального происхождения, социального статуса, инвалидности, возраста, статуса коренного населения и членства в профсоюзах.
