Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Mirantis
Остин, Соединенные Штаты5 дней назад
Грейд
Senior
Опыт работы
от 5 лет
Формат работы
Удалённо
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Обзор Определите, что такое надежность для платформы ИИ с ускорением на GPU, и сделайте ее измеримой. Работа охватывает гибридные, периферийные и изолированные развертывания, построенные на стеке Mirantis K0rdent. О роли Мы ищем старшего инженера по надежности площадки (SRE), который мыслит не только дашбордами, но и контрактом между платформой и ее операторами. Правильный кандидат сможет анализировать необработанные телеметрические данные из Kubernetes, bare metal и инфраструктуры NVIDIA, определять, какие сигналы действительно предсказывают надежность, видимую пользователю, и превращать их в SLI и SLO, на которые операторы могут реагировать. Вы будете одинаково комфортно чувствовать себя при написании сервиса, который предоставляет эти SLI через API, и при рассуждениях об управлении бюджетом ошибок, качестве оповещений и соотношении сигнала к шуму. Вы должны быть самомотивированным, способным полностью владеть определениями надежности и эффективно доносить их до других команд. Мы — лидер по управлению контейнерами в G2 (#2 после AWS)!
О Mirantis Mirantis, компания IREN, — это компания, специализирующаяся на инфраструктуре ИИ на базе Kubernetes, позволяющая организациям создавать и эксплуатировать масштабируемую, безопасную и суверенную инфраструктуру для современных приложений ИИ, машинного обучения и интенсивной обработки данных. Объединяя инновации в области открытого исходного кода с глубокой экспертизой в оркестрации Kubernetes, Mirantis дает возможность командам инженеров платформ предоставлять компонуемые, готовые к производству платформы для разработчиков в любой среде — локальной, облачной, на периферии или в суверенных центрах обработки данных. Поскольку предприятия сталкиваются с растущей сложностью рабочих нагрузок, управляемых ИИ, Mirantis предоставляет автоматизацию, оркестрацию GPU и управление на основе политик, необходимые для уверенного и гибкого управления инфраструктурой. Приверженная открытым стандартам и свободе от зависимости от одного поставщика, Mirantis гарантирует, что клиенты сохраняют полный контроль над своей стратегией инфраструктуры. https://www.mirantis.com/
Overview Define what reliability means for a GPU-accelerated AI platform and make it measurable. You will own the service-level indicators and objectives for the K0rdent Observability Framework (KOF) — deriving meaningful SLIs from the signals the platform already emits, and exposing them to Platform Administrators through a clean API. Work spans hybrid, edge, and air-gapped deployments built on the Mirantis K0rdent stack. About the Role We are looking for a senior SRE who thinks past dashboards to the contract between a platform and its operators. The right candidate can look at raw telemetry from Kubernetes, bare metal, and NVIDIA infrastructure, decide which signals actually predict user-visible reliability, and turn them into SLIs and SLOs that operators can act on. You are equally comfortable writing the service that exposes those SLIs through an API and reasoning about error budgets, alerting quality, and signal-to-noise. You should be self-directed, able to own reliability definitions end to end, and effectively communicate them across teams. Responsibilities Define SLIs and SLOs based on the signals available across the platform — Kubernetes, bare-metal hosts, and NVIDIA infrastructure (BMC, InfiniBand, NVLink, UFM). Design and build the API that exposes SLIs and reliability state to Platform Administrators and downstream systems. Establish alerting and error-budget practices that maximize signal and minimize noise. Partner with infrastructure, storage, and networking teams to ensure the right signals are instrumented and collected. Diagnose reliability and performance issues across the observability stack and drive their resolution.
Required Qualifications 5+ years in SRE, platform reliability, or a closely related software/infrastructure role. Strong software engineering skills (e.g., Go or Python) with experience building and operating APIs or services in production. Demonstrated experience defining SLIs/SLOs and error budgets for real production systems. Hands-on experience with observability tooling — metrics, logging, and tracing (e.g., Prometheus/VictoriaMetrics, OpenTelemetry, Grafana). Solid understanding of Kubernetes and the signals it and its workloads emit. Strong written and verbal communication with technical audiences. Preferred Experience instrumenting or monitoring bare-metal and NVIDIA infrastructure (BMC/Redfish, InfiniBand, NVLink, UFM). Experience with the Mirantis K0rdent stack (K0rdent Enterprise, K0rdent AI, KOF) and Cluster API. Familiarity with VictoriaMetrics/VictoriaLogs at scale. Proven experience in sovereign or high-security air-gapped environments.
Why you’ll love Mirantis Build the observability foundation for the AI cloud era, working directly with leading GPU cloud operators, NeoClouds, sovereign clouds, and AI-first enterprises Collaborate with a world-class, distributed team committed to openness and technical excellence Shape the product narrative and influence go-to-market success It is understood that Mirantis, Inc. may use automated decision-making technology (ADMT) for specific employment-related decisions. Opting out of ADMT use is requested for decisions about evaluation and review connected with the specific employment decision for the position applied for. You also have the right to appeal any decisions made by ADMT by sending your request to By submitting your resume, you consent to the processing and storage of your personal data in accordance with applicable data protection laws, for the purposes of considering your application for current and future job opportunities. We are a Leader for Container Management in G2 (#2 after AWS)!
About Mirantis Mirantis, an IREN company, is the Kubernetes-native AI infrastructure company, enabling organizations to build and operate scalable, secure, and sovereign infrastructure for modern AI, machine learning, and data-intensive applications. By combining open source innovation with deep expertise in Kubernetes orchestration, Mirantis empowers platform engineering teams to deliver composable, production-ready developer platforms across any environment—on-premises, in the cloud, at the edge, or in sovereign data centers. As enterprises navigate the growing complexity of AI-driven workloads, Mirantis delivers the automation, GPU orchestration, and policy-driven control needed to manage infrastructure with confidence and agility. Committed to open standards and freedom from lock-in, Mirantis ensures that customers retain full control of their infrastructure strategy. https://www.mirantis.com/
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 161 000 до 220 000
Вы будете отвечать за индикаторы и цели уровня обслуживания (SLI и SLO) для фреймворка наблюдаемости K0rdent (KOF) — извлекая значимые SLI из сигналов, которые платформа уже генерирует, и предоставляя их администраторам платформы через чистый API. Определять SLI и SLO на основе доступных сигналов по всей платформе — Kubernetes, bare-metal серверах и инфраструктуре NVIDIA (BMC, InfiniBand, NVLink, UFM). Проектировать и создавать API, который предоставляет SLI и состояние надежности администраторам платформы и нижестоящим системам. Устанавливать практики оповещения и управления бюджетом ошибок, которые максимизируют сигнал и минимизируют шум. Сотрудничать с командами по инфраструктуре, хранению данных и сетям, чтобы обеспечить правильную инструментализацию и сбор сигналов. Диагностировать проблемы надежности и производительности в стеке наблюдаемости и управлять их решением.
5+ лет опыта работы в SRE, обеспечении надежности платформ или тесно связанной роли в разработке ПО/инфраструктуре. Сильные навыки инжиниринга ПО (например, Go или Python) с опытом создания и эксплуатации API или сервисов в производственной среде. Подтвержденный опыт определения SLI/SLO и бюджетов ошибок для реальных производственных систем. Практический опыт работы с инструментами наблюдаемости — метрики, логирование и трассировка (например, Prometheus/VictoriaMetrics, OpenTelemetry, Grafana). Глубокое понимание Kubernetes и сигналов, которые он и его рабочие нагрузки генерируют. Отличные письменные и устные коммуникативные навыки для работы с технической аудиторией.
Опыт инструментализации или мониторинга bare-metal и инфраструктуры NVIDIA (BMC/Redfish, InfiniBand, NVLink, UFM). Опыт работы со стеком Mirantis K0rdent (K0rdent Enterprise, K0rdent AI, KOF) и Cluster API. Знакомство с VictoriaMetrics/VictoriaLogs в масштабе. Подтвержденный опыт работы в суверенных или высокозащищенных изолированных средах.
Создайте основу наблюдаемости для эпохи облачных вычислений ИИ, работая напрямую с ведущими операторами GPU-облаков, NeoClouds, суверенными облаками и предприятиями, ориентированными на ИИ. Сотрудничайте с распределенной командой мирового класса, приверженной принципам открытости и технического совершенства. Формируйте повествование о продукте и влияйте на успех выхода на рынок.