Обзор вакансии
Мы ищем высококвалифицированного Старшего инженера по Linux-инфраструктуре с глубокими знаниями в области администрирования Linux, инфраструктуры bare metal, корпоративных систем хранения данных и платформ следующего поколения AI Factory / GPU. Эта роль сосредоточена на проектировании, развертывании, эксплуатации и устранении неполадок крупномасштабной инфраструктуры на базе Linux, 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 работы с Bare Metal as a Service (BMaaS), GPU-инфраструктурой, высокопроизводительными системами хранения данных, операциями в центрах обработки данных и корпоративными платформами Linux.
Идеальный кандидат будет иметь опыт построения 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 операционная эффективность имеют решающее значение.
Ключевые обязанности и требуемые навыки
Linux и инфраструктура Bare Metal
- Экспертный уровень администрирования Linux (требуется Ubuntu; предпочтительны Red Hat и SUSE)
- Глубокие знания в области развертывания, архитектуры, предоставления и управления 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
- 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 рабочих нагрузок AI/ML
- Понимание технологий NVIDIA GPU, включая:
- A100, H100, H200, B200 или эквивалентные GPU-платформы
- Серверы NVIDIA DGX и OEM GPU
- Предоставление GPU и управление жизненным циклом
- Мониторинг GPU и оптимизация производительности
- Знание архитектуры AI Factory и требований к инфраструктуре
- Опыт поддержки GPU-кластеров, сред обучения ИИ и рабочих нагрузок высокопроизводительных вычислений (HPC)
- Понимание:
- Распределения ресурсов GPU и планирования
- Мульти-GPU систем
- Требований к сетевой инфраструктуре GPU
- 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 хранилищ Linux:
- LVM
- XFS
- EXT4
- NFS
- iSCSI
- Fibre Channel SAN
- Multipath I/O
- Прочный 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 платформами хранения данных для ИИ, такими как:
- WEKA
- VAST Data
- Dell PowerScale
- Pure Storage FlashBlade
- NetApp
- Понимание:
- NVMe-over-Fabrics (NVMe-oF)
- RDMA
- GPUDirect Storage
- Параллельные файловые системы
- Конвейеры данных ИИ
Сети и инфраструктура
- Глубокие знания в области сетевых технологий:
- Bonding
- VLAN
- Маршрутизация
- Оптимизация MTU
- DNS
- DHCP
- Опыт работы с высокопроизводительными сетями центров обработки данных:
- 100G/200G/400G Ethernet
- RoCE
- RDMA
- Архитектура Spine-Leaf
- Знакомство с NVIDIA Spectrum-X, сетевыми адаптерами Mellanox/NVIDIA ConnectX или аналогичными технологиями
- Глубокое понимание проектирования и устранения неполадок сетевой инфраструктуры уровней 2 и 3
Эксплуатация и надежность
- Опыт работы с высокой доступностью, кластеризацией и аварийным восстановлением
- Отличные навыки устранения неполадок в:
- Операционных системах Linux
- Аппаратных платформах
- GPU-инфраструктуре
- Сетях
- Корпоративных системах хранения данных
- Опыт поддержки критически важных производственных сред
- Скриптование на Bash и Python для автоматизации и повышения операционной эффективности
- Опыт создания операционной документации, руководств по эксплуатации и стандартов инфраструктуры
- Понимание проектирования инфраструктуры ИИ и эталонных архитектур
- Интеграция облачных сервисов ИИ для рабочих нагрузок
- Разработка и поддержка SOP и руководств по эксплуатации
- Управление инцидентами, проблемами и мощностями
- Планирование обеспечения непрерывности бизнеса и аварийного восстановления для рабочих нагрузок ИИ
- Проактивное выявление и минимизация рисков для предотвращения влияния на бизнес
Приветствуется
- Kubernetes-инфраструктура (особенно интеграция AI/ML и GPU)
- KVM, VMware, OpenShift Virtualization или аналогичные платформы виртуализации
- Автоматизация с помощью Ansible
- NVIDIA Base Command Manager
- Slurm или планировщики рабочих нагрузок HPC
- Платформы observability и мониторинга (Prometheus, Grafana, OpenTelemetry)
- Инструменты Data Center Infrastructure Management (DCIM)
- Решения IPAM
- Опыт работы с AWS, Azure или гибридными облаками
Нам НЕ подходят
- Кандидаты, чей опыт в основном связан с инжинирингом CI/CD пайплайнов
- Инженеры, в основном сосредоточенные на Terraform, GitOps или пайплайнах доставки приложений
- Облачные администраторы с ограниченным опытом работы с bare metal, хранилищами данных или аппаратным обеспечением
- Специалисты, чья основная экспертиза заключается в разработке программного обеспечения, а не в инжиниринге инфраструктуры
Идеальный кандидат
Человек, который годами занимался проектированием, созданием и эксплуатацией корпоративных Linux-сред, крупномасштабных bare metal-инфраструктур, платформ хранения данных и современных AI Factory-сред. Идеальный кандидат понимает, как развертывать и управлять GPU-инфраструктурой, платформами BMaaS, корпоративными системами хранения данных и высокопроизводительными сетями, одновременно решая сложные задачи, связанные с операционными системами, аппаратным обеспечением, хранилищами данных и инфраструктурой ИИ. Опыт DevOps приветствуется, но глубокие знания Linux, инфраструктуры, систем хранения данных, BMaaS и AI Factory являются основным требованием.
