d-Matrix opracowuje technologie wnioskowania AI dla centrów danych, zaprojektowane z myślą o zwiększeniu efektywności obliczeń dzięki obliczeniom w pamięci. Założona w 2019 roku firma łączy projektowanie niestandardowych układów scalonych, narzędzia uczenia maszynowego, oprogramowanie, algorytmy oraz połączenia na poziomie chipletów, aby sprostać wyzwaniu integracji pamięci i obliczeń dla współczesnych obciążeń związanych ze sztuczną inteligencją.
Dyrektor ds. niezawodności serwisów, infrastruktura AI — d-Matrix, praca hybrydowa w Santa Clara
Kierowanie organizacją SRE firmy d-Matrix odpowiedzialną za infrastrukturę wnioskowania generatywnej AI. Odpowiedzialność za niezawodność, obserwowalność, automatyzację, pamięć masową oraz operacje hybrydowe w chmurze i lokalnie.
Stany Zjednoczone
Kalifornia195 000 $ – 285 000 $ / rok
HybrydowoPełny etatLeadWymagany Język: angielskiInżynier DevOpsOpis
- Utworzenie i kierowanie organizacją d-Matrix ds. niezawodności serwisów.
- Opracowanie zakresu odpowiedzialności SRE i wdrożenie praktyk niezawodności w inżynierii sprzętu i oprogramowania.
- Rekrutowanie, rozwijanie i utrzymywanie zespołu od jednego do trzech inżynierów SRE.
- Zarządzanie zespołem techników centrów danych i laboratoriów oraz ustalanie priorytetów i standardów operacyjnych.
- Odpowiedzialność za całodobową niezawodność w obiektach kolokacyjnych, lokalnych klastrach laboratoryjnych, środowiskach chmurowych i usługach platformy skierowanych do klientów.
- Projektowanie odpornych systemów z uwzględnieniem domen awarii, progresywnego wdrażania i zdyscyplinowanej kontroli zmian.
- Definiowanie wskaźników poziomu usług, celów poziomu usług i budżetów błędów.
- Tworzenie procesów dyżurów, w tym modelu follow-the-sun wraz z rozwojem globalnych operacji.
- Opracowanie struktur reagowania na incydenty i analizy przyczyn źródłowych.
- Kierowanie obserwowalnością metryk, śladów i dzienników.
- Rozwijanie automatyzacji opartej na Terraform i Ansible, w tym infrastruktury samonaprawiającej się.
- Wdrażanie automatyzacji cyklu życia hostów, naprawy floty i alertów wspieranych przez AIOps.
- Zarządzanie FinOps i planowaniem pojemności w środowiskach chmurowych, kolokacyjnych i lokalnych.
- Kierowanie przejściem z doraźnej pamięci masowej JBOD na korporacyjną współdzieloną pamięć masową w środowiskach lokalnych, kolokacyjnych i chmurowych.
- Współpraca z zespołami Software Tools, QA DevOps, Engineering, Networking Operations i IT Operations w celu poprawy niezawodności, efektywności kosztowej i zarządzania długiem technicznym.
Wymagania
- Wykształcenie wyższe na poziomie licencjackim lub magisterskim w dziedzinie informatyki, elektrotechniki lub pokrewnej.
- Co najmniej 15 lat doświadczenia w SRE, inżynierii infrastruktury lub inżynierii systemów produkcyjnych.
- Co najmniej pięć lat doświadczenia w kierowaniu zespołami SRE lub inżynierii infrastruktury.
- Doświadczenie w tworzeniu lub zasadniczej przebudowie funkcji SRE albo inżynierii infrastruktury.
- Doświadczenie w definiowaniu SLO, budowaniu programów dyżurów, wdrażaniu obserwowalności i kierowaniu zmianą organizacyjną.
- Zaawansowana znajomość systemów Linux.
- Doświadczenie z korporacyjną współdzieloną pamięcią masową, w tym NAS/SAN, wielkoskalowymi architekturami NFS/SMB, architekturami migawek i replikacji oraz integracją pamięci masowej w chmurze hybrydowej.
- Doświadczenie w obsłudze obiektów kolokacyjnych i sprzętu lokalnego na dużą skalę.
- Znajomość zarządzania cyklem życia serwerów, systemów zasilania i chłodzenia oraz sieci na poziomie szaf serwerowych.
- Doświadczenie produkcyjne z Terraform i Ansible, w tym projektowaniem modułów, zdalnym stanem, izolacją środowisk i zarządzaniem zmianą.
- Doświadczenie w obsłudze klastrów Kubernetes, w tym zarządzaniu cyklem życia, niezawodnością obciążeń, pamięcią masową i wielkoskalowym RBAC.
- Doświadczenie w utrzymywaniu platform obserwowalności, takich jak Prometheus, Grafana, Datadog lub Splunk.
- Bardzo dobre umiejętności skryptowania w Pythonie lub Go na potrzeby usług produkcyjnych i automatyzacji infrastruktury.
- Bardzo dobre umiejętności komunikacji z kadrą kierowniczą.
- Umiejętność skutecznej pracy w środowisku o dużej niejednoznaczności i niewielkiej liczbie procesów.
- Doświadczenie w obsłudze infrastruktury lub usług platformowych skierowanych do klientów będzie dodatkowym atutem.
- Znajomość InfiniBand, RoCE lub NVLink będzie dodatkowym atutem.
- Doświadczenie z harmonogramami HPC, takimi jak Slurm, LSF lub rozwiązania równoważne, będzie dodatkowym atutem.
- Doświadczenie w operacjach hybrydowych i wielochmurowych w AWS, Azure i GCP będzie dodatkowym atutem.
- Znajomość FinOps będzie dodatkowym atutem.
- Znajomość ITIL lub równoważnych ram zarządzania incydentami, problemami i zmianami będzie dodatkowym atutem.
- Opublikowane materiały techniczne, prezentacje konferencyjne lub wkład w projekty open source będą dodatkowym atutem.
- Konieczne jest prawne uprawnienie do pracy w Stanach Zjednoczonych.
Benefity
- Wynagrodzenie w formie udziałów.
- Premie lub programy motywacyjne zależne od wyników indywidualnych i firmy.
- Ubezpieczenie medyczne.
- Ubezpieczenie stomatologiczne.
- Ubezpieczenie okulistyczne.
- Plan 401(k).
- Włączający program świadczeń koncentrujący się na dobrostanie pracowników i ich bliskich.