シニアグローバル障害解決エンジニア
WEKAのハイブリッドクラウドデータプラットフォームに関する複雑なエスカレーションを、初期調査から恒久対応まで主導します。 Linux、GPU、ネットワーク、ストレージ、NVIDIA DGX環境のトラブルシューティングを担当します。
仕事内容
- 複雑なエスカレーションを初期調査から恒久対応まで主導し、重大インシデント時には顧客とのブリッジ会議も支援します。
- アプリケーション、GPUとコンピューティング、クライアント、ネットワークファブリック、ストレージ、クラウドの各要素を横断して根本原因を追究します。
- 複数のケース、顧客、ソフトウェアバージョンにまたがる再発問題を特定し、広範な影響を評価して先回りした対応を推進します。
- チーム内で問題を解決するか、再現手順、裏付け資料、根本原因の仮説を添えて、研究開発部門が対応可能な不具合報告を作成します。
- 既知の問題、WEKA技術アドバイザリ、ナレッジベース記事を作成・更新します。
- 繰り返し発生するエスカレーションを製品やプロセスの改善に役立てます。
- サポート組織向けの分析ツールと自動化を開発・強化します。
- カスタマーサクセスエンジニアを指導し、技術的な実務を強化します。
- カスタマーサクセス、新入社員、他チームの同僚に技術トレーニングを提供します。
- オンコール当番に参加し、24時間体制のサポートを担います。
- NCPおよびDGX Cloud環境、リファレンスアーキテクチャ、ベンチマークツールの専門家として、NCPやNVIDIAのエンジニアと共同でトラブルシューティングを行います。
応募要件
- コンピューターサイエンス、工学、または関連分野の学士号、あるいは同等の実務経験。
- 高度なテクニカルサポート、継続的なエンジニアリング、サイト信頼性エンジニアリング、システムエンジニアリングのいずれかで、顧客と直接関わる業務を少なくとも10年経験していること。
- 複雑な分散システムの問題を診断・解決した実績。
- 個別のエスカレーションを、製品変更、技術アドバイザリ、ツールなどの広範な解決策につなげた経験。
- 重大で注目度の高いインシデント時に、顧客を直接支援した経験。
- 問題の再現や根本原因の証拠提示を含め、エンジニアリングチームと協力して不具合を解決した経験。
- 英語での優れた読み書きおよび会話能力。
- グローバルチームの一員として、柔軟な時間帯で勤務できること。
- ネットワーク、カーネル、ストレージ、アプリケーションの各層を横断して分析できること。
- カーネル内部、メモリ管理、NUMA、CPUスケジューリング、ドライバーを含むLinuxの深い知識。
- 分散ストレージまたは並列ファイルシステムの経験。
- RDMA、RoCE、InfiniBand、Ethernetなどの高性能ネットワーク技術の知識。
- 大規模なコアダンプやログの分析、perf、eBPF、gdb、ソースコードレビューを含む高度なデバッグスキル。
- メトリクスを用いた性能分析と、データに基づく仮説検証の能力。
- GPUやAIワークロード、GPUDirect Storage、NVIDIA DGX、SuperPOD、またはNCPリファレンスアーキテクチャの経験があれば尚可。
- AWS、Azure、GCP、OCIなどのパブリッククラウド経験に加え、Kubernetes、コンテナ、または仮想化の経験があれば尚可。
- NFS、SMB、S3、DPDK、UCX、およびPython、Bash、Ansible、Terraformなどの自動化ツールに精通していれば尚可。
