DevOps-инженер вычислительной инфраструктуры в Cloud.ru Москва

DevOps-инженер для проектирования и эксплуатации вычислительной инфраструктуры под AI-нагрузки: bare-metal-кластеры, виртуализация, Kubernetes и GPU-ускорители.

Задачи:

• Проектирование архитектуры вычислительных кластеров для AI-нагрузок
• Автоматизация подготовки, конфигурации и жизненного цикла bare-metal-серверов
• Развитие инфраструктуры виртуализации и процессов предоставления виртуальных машин
• Развёртывание и сопровождение Kubernetes-кластеров на физических и виртуальных узлах
• Настройка сетевой связности, сегментации, маршрутизации, балансировки и доступа к инфраструктурным сервисам
• Интеграция GPU и других ускорителей: драйверы, device plugins, операторы и мониторинг
• Проектирование и эксплуатация хранилищ для весов моделей, датасетов и кешей
• Развитие Infrastructure as Code, GitOps и автоматизированных процессов изменения инфраструктуры
• Создание CI/CD-процессов для инфраструктурного кода, образов ОС и базовых компонентов кластеров
• Настройка мониторинга оборудования, сети, ОС, виртуализации, Kubernetes и ускорителей
• Capacity planning, анализ утилизации и поиск инфраструктурных узких мест
• Проектирование отказоустойчивости, резервирования и восстановления после сбоев
• Стабилизация платформы, расследование инцидентов и устранение их первопричин
• Подготовка типовых инфраструктурных конфигураций для облака и on-premise-инсталляций
• Оценка и внедрение Open Source и коммерческих инфраструктурных решений
• Координация изменений с владельцами дата-центров, сетей, информационной безопасности и продуктовыми командами

Требования:

• Опыт эксплуатации Linux-инфраструктуры в production
• 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 code review
• Знание принципов высокой доступности, резервирования и disaster recovery
• Системный подход к диагностике сложных инфраструктурных проблем

Условия:

• Дополнительно: 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 on-premise-контурах
• Понимание профиля нагрузки LLM inference и обучения моделей

Навыки:

• Linux
• TCP/IP
• DNS
• VLAN
• Kubernetes
• Bash
• Python
• Go
• Ansible
• Terraform
• CI/CD
• Git
• GPU
• RDMA
• InfiniBand
• RoCE
• NVIDIA GPU Operator
• DCGM
• MIG
• Ceph
• S3
• OpenStack
• KVM
• VMware
• bare-metal
• виртуализация
• мониторинг
• disaster recovery