NVIDIA는 게임, 데이터 센터, 클라우드 컴퓨팅, 헬스케어, 제조, 자동차, 로보틱스 등 다양한 분야에서 활용되는 가속 컴퓨팅 및 인공지능 기술을 개발합니다. 그래픽 처리 장치, AI 플랫폼, 시뮬레이션, 산업별 솔루션을 아우르며, 협업형 3D 워크플로를 위한 NVIDIA Omniverse, 자율주행 차량 개발을 위한 NVIDIA DRIVE, 헬스케어 애플리케이션을 위한 NVIDIA Clara 등을 제공합니다. NVIDIA는 첨단 컴퓨팅, 시뮬레이션, AI 기반 분석을 지원하는 인프라와 소프트웨어를 개발하는 대규모 기술 팀을 운영합니다.
시니어 클라우드 인프라 및 안정성 솔루션 아키텍트
EMEA 지역 NVIDIA Cloud Partner GPU 플릿의 Day 2 안정성을 이끕니다. 대규모 장애 복구, 관측성, 유지보수, Kubernetes 운영을 자동화합니다.
설명
- EMEA 지역 NVIDIA Cloud Partner 플릿 전반의 프로덕션 안정성과 신뢰성을 책임집니다.
- 대규모 GPU 클러스터의 안정성 및 워크로드 처리량 지표를 설정하고 개선하며 플랫폼 오류 예산을 관리합니다.
- GPU, 노드, 네트워크 패브릭, 스토리지 장애를 자동으로 감지하고 복구하는 워크플로를 구축합니다.
- 장애 분류, 노드 드레이닝 및 코돈, 재설정, 서비스 복귀 절차를 자동화합니다.
- 위험 검토와 단계적 배포부터 검증까지 예방 유지보수와 펌웨어 또는 현장 공지 배포를 계획하고 수행합니다.
- Prometheus, Grafana, Loki, DCGM, XID 진단, GPUd, NVSentinel 등의 플릿 관측성 및 안정성 도구를 파트너 시스템과 통합합니다.
- NVEX, 기술 계정 관리자, 파트너 운영팀과 사고 대응 및 사후 검토를 조율합니다.
- 근본 원인 조사를 주도하고 시정 조치를 완료하며 반복되는 사고를 자동화, 상태 점검 또는 런북으로 전환합니다.
- Kubernetes, KubeVirt, Slurm, GPU 인식 스케줄러 전반에서 Kubernetes 노드 수명 주기와 안정성을 관리합니다.
- 노드 상태 정책을 수립하고 GPU 가속 노드의 업그레이드, 재부팅, 안전한 워크로드 드레이닝을 조율합니다.
지원 자격
- 컴퓨터 과학, 전기 또는 컴퓨터 공학, 물리학, 수학 또는 관련 분야의 학사·석사·박사 학위 또는 이에 준하는 경력.
- 사이트 안정성 엔지니어링, 프로덕션 엔지니어링 또는 대규모 인프라 운영 분야에서 8년 이상의 경력.
- SLO와 오류 예산, 온콜 및 사고 지휘, 비난 없는 리뷰, 가용성 또는 중단 간 평균 시간의 측정 가능한 개선 등 대규모 프로덕션 안정성을 책임진 실적.
- HPC 또는 AI 클러스터와 NVIDIA GPU 인프라 운영 실무 경험. 드라이버 및 CUDA 툴킷 수명 주기, 펌웨어, 워크로드 프로파일링, CPU·GPU·고속 인터커넥트 문제 해결을 포함합니다.
- GPU 및 HPC 환경에서 Kubernetes를 운영한 풍부한 경험. 노드 수명 주기, 업그레이드 및 드레이닝, 스케줄러 동작, Slurm, 베어메탈과 가상화가 혼합된 멀티테넌트 시스템을 포함합니다.
- Python과 Bash에 능숙하고 Ansible 및 Terraform 등의 인프라 코드화와 구성 관리, GitOps 기반 플릿 수명 주기 관리 및 업그레이드, Prometheus, Grafana, Loki를 다룰 수 있어야 합니다.
- Red Hat 및 Ubuntu를 포함한 Linux, 운영체제 튜닝 및 보안, 데이터센터 네트워킹 기초, Lustre, GPFS, ZFS, XFS 등의 병렬 또는 엔터프라이즈 스토리지에 대한 깊은 지식.
- 대규모 프로덕션 플릿에 펌웨어, 마이크로코드 또는 현장 공지를 선제적으로 배포하도록 계획하고 실행한 경험.
- DCGM, XID 진단, GPUd, NVSentinel, 노드 상태 에이전트, 플릿 전반의 안정성 분석에 대한 지식.
- NVIDIA GPU Operator, NVIDIA Network Operator, NVIDIA Base Command Manager 사용 경험.
- KAI, Grove, Dynamo, NVIDIA Cloud Functions 등의 Kubernetes 기반 AI 스케줄링 및 추론 프레임워크 실무 경험.
- InfiniBand 또는 RoCE 등의 RDMA 패브릭 전문 지식. Cumulus Linux, SONiC, Spectrum-X, DPU/DOCA, NVLink/NVSwitch 파티션 운영 경험은 우대합니다.