devops инженер вычислительных кластеров для AI-нагрузок

Описания нет

• Участвовать в проектировании архитектуры вычислительных кластеров для AI-нагрузок;
• Автоматизировать подготовку, конфигурацию и жизненный цикл bare-metal-серверов;
• Развивать инфраструктуру виртуализации и процессы предоставления виртуальных машин;
• Развертывать и сопровождать Kubernetes-кластеры на физических и виртуальных узлах;
• Настраивать сетевую связность, сегментацию, маршрутизацию, балансировку и доступ к инфраструктурным сервисам;
• Интегрировать GPU и другие ускорители: драйверы, device plugins, операторы и средства мониторинга;
• Участвовать в проектировании и эксплуатации хранилищ для весов моделей, датасетов и кешей;
• Развивать Infrastructure as Code, GitOps и автоматизированные процессы изменения инфраструктуры;
• Создавать CI/CD-процессы для инфраструктурного кода, образов ОС и базовых компонентов кластеров;
• Настраивать мониторинг оборудования, сети, ОС, виртуализации, Kubernetes и ускорителей;
• Проводить планирование мощности, анализировать утилизацию и находить инфраструктурные узкие места;
• Проектировать отказоустойчивость, резервирование и восстановление после сбоев;
• Стабилизировать платформу, участвовать в расследовании инцидентов и устранять их первопричины;
• Готовить типовые инфраструктурные конфигурации для облака и локальных установок;
• Оценивать и внедрять подходящие решения с открытым исходным кодом и коммерческие инфраструктурные решения;
• Координировать изменения с владельцами дата-центров, сетей, информационной безопасности и продуктовыми командами.

• Опыт эксплуатации Linux-инфраструктуры в промышленной среде;
• Глубокое понимание модели OSI, TCP/IP, DNS, VLAN, маршрутизации и балансировки;
• Опыт работы с bare-metal-серверами и автоматизацией их подготовки;
• Опыт эксплуатации одной или нескольких платформ виртуализации;
• Уверенное знание Kubernetes и принципов устройства контейнерной инфраструктуры;
• Опыт написания скриптов и инструментов автоматизации на Bash, Python или Go;
• Опыт применения Ansible и Terraform либо аналогичных средств Infrastructure as Code;
• Практический опыт построения CI/CD для инфраструктурных изменений;
• Опыт настройки мониторинга оборудования, ОС и сетевых компонентов;
• Понимание принципов работы распределённых хранилищ и требований к производительности ввода-вывода;
• Опыт работы с Git и проверки кода;
• Знание принципов высокой доступности, резервирования и восстановления после сбоев;
• Системный подход к диагностике сложных инфраструктурных проблем;
• Будет плюсом опыт построения или эксплуатации GPU/HPC-кластеров, знание RDMA, InfiniBand, RoCE или других высокоскоростных сетевых технологий, опыт работы с NVIDIA GPU Operator, DCGM, MIG и драйверами ускорителей, опыт эксплуатации Ceph, S3-совместимых или параллельных файловых систем, опыт работы с OpenStack, KVM, VMware или аналогичными платформами, опыт эксплуатации инфраструктуры в изолированных локальных контурах, понимание профиля нагрузки LLM inference и обучения моделей.

• Условий в вакансии нет