NVIDIA разрабатывает технологии ускоренных вычислений и искусственного интеллекта, которые применяются в игровой индустрии, центрах обработки данных, облачных вычислениях, здравоохранении, производстве, автомобильной отрасли и робототехнике. Компания работает над графическими процессорами, платформами искусственного интеллекта, технологиями симуляции и отраслевыми решениями, включая NVIDIA Omniverse для совместных рабочих процессов с 3D-графикой, NVIDIA DRIVE для разработки автономных транспортных средств и NVIDIA Clara для медицинских приложений. В компании работают крупные технические команды, создающие инфраструктуру и программное обеспечение для передовых вычислений, симуляций и аналитики на основе искусственного интеллекта.
Старший инженер по надежности сайтов, производственная инженерия — удаленная работа в Индии
Поддерживайте облачные продукты NVIDIA в качестве старшего инженера по надежности сайтов, специализирующегося на администрировании Kubernetes, автоматизации, наблюдаемости и реагировании на инциденты. Помогайте обеспечивать высокую доступность производственных сервисов в рамках глобальных операций.
Описание
- Руководить глобальным центром эксплуатации надежности сервисов
- Поддерживать облачные продукты и сервисы NVIDIA
- Сотрудничать с командами Site Reliability Engineering, Security Operations, DevOps и другими подразделениями
- Поддерживать производственные сервисы Kubernetes, повышая уровень автоматизации и сокращая объем ручной работы
- Администрировать крупномасштабные среды Kubernetes и систем, контролируя безопасность для защиты SLA, целостности и надежности
- Использовать оповещения, сигналы тревоги и инструменты наблюдаемости для выявления, предотвращения инцидентов и реагирования на них
- Исследовать журналы, метрики и поведение систем для диагностики технических проблем
- Руководить анализом первопричин и обеспечивать эффективное устранение проблем
- Инициировать звонки по управлению инцидентами и руководить ими
- Координировать работу профильных экспертов и владельцев сервисов посредством своевременной эскалации и устранения проблем
- Создавать средства мониторинга, сигналы тревоги и оповещения, повышающие надежность сервисов и качество обслуживания клиентов
Требования
- Не менее 7 лет подтвержденного опыта администрирования крупномасштабных производственных систем Kubernetes в высокодоступных интернет-, облачных или дата-центровых средах
- Особенно приветствуется опыт работы с локальной инфраструктурой
- Степень бакалавра в области компьютерных наук, инженерии, математики или эквивалентный опыт
- Продвинутый практический опыт работы с Kubernetes, SLURM и управлением крупномасштабными кластерами
- Знание оборудования GPU или DPU и сред высокопроизводительных вычислительных кластеров
- Значительный опыт администрирования Linux, включая DNS, DHCP, IP-таблицы, маршрутизацию и межсетевые экраны
- Умение устранять неполадки и поддерживать сервисы на крупномасштабной инфраструктуре bare metal
- Опыт работы с инструментами CI/CD, такими как Jenkins и ArgoCD
- Опыт написания скриптов
- Опыт программирования на Python, Golang или Rust желателен, но не обязателен
- Отличные коммуникативные и межличностные навыки, включая способность убедительно представлять информацию межфункциональным группам
Преимущества
- Доступ к поддержке команды производственной инженерии, работающей круглосуточно и без выходных
- Гибкий график с возможностью работать в сменах, включающих часть выходных