d-Matrix разрабатывает технологии для искусственного интеллекта в центрах обработки данных, призванные повысить эффективность вычислений за счёт вычислений в памяти. Основанная в 2019 году компания объединяет разработку специализированных схем, инструменты машинного обучения, программное обеспечение, алгоритмы и межсоединения на уровне чиплетов, чтобы решить задачу интеграции памяти и вычислений для современных рабочих нагрузок искусственного интеллекта.
Директор по обеспечению надежности сайтов, инфраструктура ИИ — d-Matrix, гибридный формат в Санта-Кларе
Руководство подразделением SRE d-Matrix, отвечающим за инфраструктуру инференса генеративного ИИ. Ответственность за надежность, наблюдаемость, автоматизацию, хранилища, а также гибридные облачные и локальные операции.
Соединенные Штаты
Калифорния195 000 $ – 285 000 $ / год
ГибридПолная занятостьВедущий специалистТребуемый Язык: английскийDevOps-инженерОписание
- Создать и возглавить подразделение d-Matrix по обеспечению надежности сайтов.
- Разработать мандат SRE и внедрить практики надежности в процессы разработки аппаратного и программного обеспечения.
- Нанимать, развивать и удерживать команду из одного-трех инженеров SRE.
- Управлять командой специалистов по центрам обработки данных и лабораторным техникам, устанавливая операционные приоритеты и стандарты.
- Отвечать за круглосуточную надежность в центрах colocation, локальных лабораторных кластерах, облачных средах и ориентированных на клиентов сервисах платформы.
- Проектировать отказоустойчивые системы с учетом доменов отказа, поэтапного развертывания и строгого контроля изменений.
- Определять индикаторы уровня сервиса, цели уровня сервиса и бюджеты ошибок.
- Создавать процессы дежурств, включая модель follow-the-sun по мере расширения глобальных операций.
- Разрабатывать основы реагирования на инциденты и анализа первопричин.
- Руководить наблюдаемостью метрик, трассировок и журналов.
- Развивать автоматизацию на базе Terraform и Ansible, включая самовосстанавливающуюся инфраструктуру.
- Внедрять автоматизацию жизненного цикла хостов, восстановление работоспособности парка и оповещения с применением AIOps.
- Управлять FinOps и планированием мощностей в облачных, colocation- и локальных средах.
- Руководить переходом от разрозненных JBOD-хранилищ к корпоративному общему хранилищу в локальных, colocation- и облачных средах.
- Сотрудничать с командами Software Tools, QA DevOps, Engineering, Networking Operations и IT Operations для повышения надежности, экономической эффективности и качества управления техническим долгом.
Требования
- Степень бакалавра или магистра в области компьютерных наук, электротехники или смежной дисциплины.
- Не менее 15 лет опыта в SRE, инфраструктурной инженерии или инженерии производственных систем.
- Не менее пяти лет опыта руководства командами SRE или инфраструктурной инженерии.
- Опыт создания или существенной перестройки подразделения SRE или инфраструктурной инженерии.
- Опыт определения SLO, создания программ дежурств, внедрения наблюдаемости и руководства организационными изменениями.
- Продвинутая экспертиза в системах Linux.
- Опыт работы с корпоративными общими хранилищами, включая NAS/SAN, крупномасштабные архитектуры NFS/SMB, снапшоты и репликацию, а также интеграцию гибридных облачных хранилищ.
- Опыт эксплуатации colocation-центров и локального оборудования в крупном масштабе.
- Понимание управления жизненным циклом серверов, систем электропитания и охлаждения, а также сетей на уровне стоек.
- Опыт эксплуатации Terraform и Ansible в производственной среде, включая проектирование модулей, удаленное состояние, изоляцию сред и управление изменениями.
- Опыт эксплуатации кластеров Kubernetes, включая управление жизненным циклом, надежность рабочих нагрузок, хранилища и крупномасштабный RBAC.
- Опыт владения платформами наблюдаемости, такими как Prometheus, Grafana, Datadog или Splunk.
- Уверенные навыки написания скриптов на Python или Go для производственных сервисов и автоматизации инфраструктуры.
- Сильные навыки коммуникации с руководителями.
- Способность эффективно работать в условиях высокой неоднозначности и минимальной регламентации.
- Желателен опыт эксплуатации ориентированной на клиентов инфраструктуры или платформенных сервисов.
- Желательно знание InfiniBand, RoCE или NVLink.
- Желателен опыт работы с планировщиками HPC, такими как Slurm, LSF или эквивалентными системами.
- Желателен опыт гибридных и мультиоблачных операций в AWS, Azure и GCP.
- Желательна экспертиза в FinOps.
- Желательно знание ITIL или эквивалентной системы управления инцидентами, проблемами и изменениями.
- Желательны опубликованные технические материалы, выступления на конференциях или вклад в проекты с открытым исходным кодом.
- Необходимо иметь законное право работать в США.
Преимущества
- Компенсация в форме долевого участия.
- Бонусы или стимулирующие выплаты, зависящие от индивидуальных и корпоративных результатов.
- Медицинское страхование.
- Стоматологическое страхование.
- Страхование зрения.
- План 401(k).
- Инклюзивная программа вознаграждений, ориентированная на благополучие сотрудников и их близких.