d-Matrix kehittää datakeskusten tekoälyn päättelyteknologiaa, jonka tavoitteena on parantaa laskennan tehokkuutta muistinsisäisen laskennan avulla. Vuonna 2019 perustettu yritys yhdistää räätälöidyn piirisuunnittelun, koneoppimisen työkalut, ohjelmistot, algoritmit ja sirutasoiset yhteenliitännät ratkaistakseen muistin ja laskennan yhdistämiseen liittyvän haasteen nykyaikaisissa tekoälykuormissa.
Site Reliability Engineering -johtaja, tekoälyinfrastruktuuri — d-Matrix, Santa Clara, hybridityö
Johda d-Matrixin SRE-organisaatiota generatiivisen tekoälyn päättelyinfrastruktuurissa. Vastaa luotettavuudesta, havainnoitavuudesta, automaatiosta, tallennuksesta sekä hybridi- ja paikallisympäristöjen operoinnista.
Yhdysvallat
Kalifornia195 000 $ – 285 000 $ / vuosi
HybridityöKokoaikainenJohtavaVaadittu Kieli: englantiDevOps-insinööriKuvaus
- Perusta ja johda d-Matrixin Site Reliability Engineering -organisaatiota.
- Luo SRE-toimintamalli ja juurruta luotettavuuskäytännöt laitteisto- ja ohjelmistokehitykseen.
- Rekrytoi, kehitä ja pidä palveluksessa yhden tai kolmen SRE-insinöörin tiimi.
- Johda palvelinkeskus- ja laboratorioteknikkotiimiä sekä määritä toiminnan prioriteetit ja standardit.
- Vastaa ympärivuorokautisesta luotettavuudesta konesalipalveluissa, paikallisissa laboratorioklustereissa, pilviympäristöissä ja asiakasrajapinnan alustapalveluissa.
- Suunnittele vikasietoisiä järjestelmiä vika-alueiden, vaiheittaisen käyttöönoton ja kurinalaisen muutoksenhallinnan ympärille.
- Määritä palvelutason indikaattorit, palvelutason tavoitteet ja virhebudjetit.
- Luo päivystysprosessit, mukaan lukien auringon mukana etenevä päivystysmalli globaalin toiminnan laajentuessa.
- Kehitä häiriötilanteiden hallinnan ja juurisyyanalyysin viitekehykset.
- Johda metriikoiden, jäljitysten ja lokien havainnoitavuutta.
- Kehitä Terraformiin ja Ansibleen perustuvaa automaatiota, mukaan lukien itsestään korjautuva infrastruktuuri.
- Ota käyttöön isäntien elinkaaren automaatio, laitekannan korjaustoimet ja AIOps-pohjainen hälytysten hallinta.
- Johda FinOps-toimintaa ja kapasiteettisuunnittelua pilvi-, konesali- ja paikallisympäristöissä.
- Johda siirtymää tilapäisestä JBOD-tallennuksesta yritystason jaettuun tallennukseen paikallisissa, konesali- ja pilviympäristöissä.
- Tee yhteistyötä Software Tools-, QA DevOps-, Engineering-, Networking Operations- ja IT Operations -tiimien kanssa luotettavuuden, kustannustehokkuuden ja teknisen velan hallinnan parantamiseksi.
Vaatimukset
- Tietojenkäsittelytieteen, sähkötekniikan tai lähialan kandidaatin- tai maisterintutkinto.
- Vähintään 15 vuoden kokemus SRE:stä, infrastruktuuritekniikasta tai tuotantotekniikasta.
- Vähintään viiden vuoden kokemus SRE- tai infrastruktuuritekniikan tiimien johtamisesta.
- Kokemusta SRE- tai infrastruktuuritekniikan toiminnon perustamisesta tai merkittävästä uudistamisesta.
- Kokemusta SLO-tavoitteiden määrittelystä, päivystysmallien rakentamisesta, havainnoitavuuden toteuttamisesta ja organisaatiomuutoksen johtamisesta.
- Edistynyt Linux-järjestelmien osaaminen.
- Kokemusta yritystason jaetusta tallennuksesta, mukaan lukien NAS/SAN, laajamittainen NFS/SMB, tilannevedos- ja replikaatioarkkitehtuurit sekä hybridi-pilvitallennuksen integraatio.
- Kokemusta konesalipalvelujen ja paikallisen laitteiston operoinnista suuressa mittakaavassa.
- Palvelinten elinkaaren hallinnan, virransyöttö- ja jäähdytysjärjestelmien sekä telinekohtaisen verkotuksen ymmärrys.
- Tuotantokokemusta Terraformista ja Ansiblesta, mukaan lukien moduulisuunnittelu, etätila, ympäristöjen eristys ja muutosten hallinta.
- Kokemusta Kubernetes-klustereiden operoinnista, mukaan lukien elinkaaren hallinta, työkuormien luotettavuus, tallennus ja laajamittainen RBAC.
- Kokemusta Prometheuksen, Grafanan, Datadogin tai Splunkin kaltaisten havainnoitavuusalustojen omistajuudesta.
- Vahva Python- tai Go-komentosarjojen osaaminen tuotantopalveluihin ja infrastruktuuriautomaatioon.
- Vahvat viestintätaidot johtoryhmän kanssa.
- Kyky työskennellä tehokkaasti erittäin epäselvässä ympäristössä, jossa prosesseja on vähän.
- Kokemus asiakasrajapinnan infrastruktuurin tai alustapalvelujen operoinnista katsotaan eduksi.
- InfiniBandin, RoCEn tai NVLinkin tuntemus katsotaan eduksi.
- Kokemus Slurmin, LSF:n tai vastaavien HPC-ajastimien käytöstä katsotaan eduksi.
- Kokemus hybridi- ja monipilviympäristöjen operoinnista AWS:n, Azuren ja GCP:n välillä katsotaan eduksi.
- FinOps-osaaminen katsotaan eduksi.
- ITIL:n tai vastaavan häiriö-, ongelma- ja muutoksenhallinnan viitekehyksen tuntemus katsotaan eduksi.
- Julkaistu tekninen kirjoittaminen, konferenssiesitykset tai osallistuminen avoimen lähdekoodin projekteihin katsotaan eduksi.
- Työntekijällä on oltava laillinen oikeus työskennellä Yhdysvalloissa.
Edut
- Osakepohjainen palkitseminen.
- Henkilökohtaiseen ja yrityksen suoriutumiseen perustuvat bonus- tai kannustinmahdollisuudet.
- Sairausvakuutus.
- Hammasvakuutus.
- Näkövakuutus.
- 401(k)-eläkesäästöohjelma.
- Kattava palkitsemisohjelma, joka keskittyy työntekijöiden ja heidän läheistensä hyvinvointiin.