تطوّر NVIDIA تقنيات الحوسبة المُسرّعة والذكاء الاصطناعي المستخدمة في مجالات الألعاب ومراكز البيانات والحوسبة السحابية والرعاية الصحية والتصنيع والسيارات والروبوتات. ويشمل عملها وحدات معالجة الرسومات ومنصات الذكاء الاصطناعي والمحاكاة والحلول المخصّصة للقطاعات، بما في ذلك NVIDIA Omniverse لسير العمل التعاوني ثلاثي الأبعاد، وNVIDIA DRIVE لتطوير المركبات ذاتية القيادة، وNVIDIA Clara لتطبيقات الرعاية الصحية. وتجمع الشركة فرقًا تقنية كبيرة تعمل على البنية التحتية والبرمجيات التي تدعم الحوسبة المتقدمة والمحاكاة والتحليلات المدعومة بالذكاء الاصطناعي.
مهندس معماري أول لحلول البنية التحتية السحابية والموثوقية
قد عمليات موثوقية اليوم الثاني لأساطيل وحدات معالجة الرسومات لدى شركاء NVIDIA Cloud في أوروبا والشرق الأوسط وأفريقيا. أتمت استعادة الأعطال والرصد والصيانة وتشغيل Kubernetes على نطاق واسع.
الوصف
- قد استقرار الإنتاج وموثوقيته عبر أساطيل شركاء NVIDIA Cloud في أوروبا والشرق الأوسط وأفريقيا.
- ضع مقاييس الموثوقية ومعدل إنجاز أحمال العمل للمجموعات الكبيرة من وحدات معالجة الرسومات وحسّنها، وأدر ميزانيات أخطاء المنصة.
- أنشئ مسارات عمل آلية لاكتشاف أعطال وحدات معالجة الرسومات والعُقد وبنية الشبكة والتخزين والتعافي منها.
- أتمت فرز الأعطال، وإخلاء العُقد وعزلها، وإعادة ضبطها، وإجراءات إعادتها إلى الخدمة.
- خطط للصيانة الوقائية وعمليات طرح البرامج الثابتة أو إشعارات الميدان ونفّذها، بدءًا من مراجعات المخاطر وعمليات النشر المرحلية وصولًا إلى التحقق.
- ادمج أدوات رصد الأسطول وموثوقيته، بما فيها Prometheus وGrafana وLoki وDCGM وتشخيصات XID وGPUd وNVSentinel، مع أنظمة الشركاء.
- نسّق الاستجابة للحوادث ومراجعات ما بعد الحوادث مع NVEX ومديري الحسابات التقنية وفرق عمليات الشركاء.
- قد تحقيقات الأسباب الجذرية، وأغلق الإجراءات التصحيحية، وحوّل الحوادث المتكررة إلى أتمتة أو فحوصات سلامة أو كتيبات إجراءات.
- أدر دورات حياة عُقد Kubernetes وموثوقيتها عبر Kubernetes وKubeVirt وSlurm ومجدولات أحمال العمل المتوافقة مع وحدات معالجة الرسومات.
- ضع سياسات لصحة العُقد ونسّق الترقيات وإعادة التشغيل وإخلاء أحمال العمل بأمان من العُقد المسرّعة بوحدات معالجة الرسومات.
المتطلبات
- درجة بكالوريوس أو ماجستير أو دكتوراه في علوم الحاسوب أو الهندسة الكهربائية أو هندسة الحاسوب أو الفيزياء أو الرياضيات أو مجال ذي صلة، أو خبرة معادلة.
- خبرة لا تقل عن 8 سنوات في هندسة موثوقية المواقع أو هندسة الإنتاج أو تشغيل البنية التحتية على نطاق واسع.
- خبرة مثبتة في تحمل مسؤولية موثوقية الإنتاج على نطاق واسع، بما يشمل أهداف مستوى الخدمة وميزانيات الأخطاء، والمناوبات والاستجابة للحوادث، والمراجعات الخالية من اللوم، وتحسينات قابلة للقياس في التوافر أو متوسط الوقت بين الانقطاعات.
- خبرة عملية في تشغيل مجموعات الحوسبة عالية الأداء أو الذكاء الاصطناعي وبنية NVIDIA التحتية لوحدات معالجة الرسومات، بما يشمل دورات حياة برامج التشغيل ومجموعة أدوات CUDA والبرامج الثابتة وتحليل أداء أحمال العمل واستكشاف مشكلات وحدات المعالجة المركزية والرسومية والروابط البينية عالية السرعة وإصلاحها.
- خبرة واسعة في تشغيل Kubernetes ضمن بيئات وحدات معالجة الرسومات والحوسبة عالية الأداء، بما يشمل دورات حياة العُقد والترقيات والإخلاء وسلوك المجدولات وSlurm والأنظمة متعددة المستأجرين التي تجمع بين الخوادم الفعلية والافتراضية.
- إتقان Python وBash، والبنية التحتية كتعليمة برمجية وإدارة الإعدادات مثل Ansible وTerraform، وإدارة دورة حياة الأسطول وترقياته باستخدام GitOps، وPrometheus وGrafana وLoki.
- خبرة قوية في Linux، بما يشمل Red Hat وUbuntu، وضبط أنظمة التشغيل وأمنها، وأساسيات شبكات مراكز البيانات، والتخزين المتوازي أو المؤسسي مثل Lustre وGPFS وZFS وXFS.
- خبرة في تخطيط وتنفيذ عمليات الطرح الاستباقية للبرامج الثابتة أو البرامج الميكروية أو إشعارات الميدان على أسطول إنتاج كبير.
- معرفة بأدوات DCGM وتشخيصات XID وGPUd وNVSentinel ووكلاء صحة العُقد وأدوات تحليل موثوقية الأسطول على نطاق شامل.
- خبرة في NVIDIA GPU Operator وNVIDIA Network Operator وNVIDIA Base Command Manager.
- خبرة عملية بأطر جدولة الذكاء الاصطناعي والاستدلال على Kubernetes، مثل KAI وGrove وDynamo وNVIDIA Cloud Functions.
- خبرة متقدمة في شبكات RDMA مثل InfiniBand أو RoCE؛ وتُعد الخبرة في Cumulus Linux وSONiC وSpectrum-X وDPU/DOCA وعمليات تقسيم NVLink/NVSwitch ميزة إضافية.