NVIDIA utvecklar tekniker för accelererad databehandling och artificiell intelligens som används inom spel, datacenter, molnbaserad databehandling, sjukvård, tillverkning, fordonsindustrin och robotik. Företagets arbete omfattar grafikprocessorer, AI-plattformar, simulering och branschspecifika lösningar, däribland NVIDIA Omniverse för samarbetsinriktade 3D-arbetsflöden, NVIDIA DRIVE för utveckling av autonoma fordon och NVIDIA Clara för tillämpningar inom sjukvården. Företaget samlar stora tekniska team som arbetar med den infrastruktur och programvara som stöder avancerad databehandling, simulering och AI-baserad analys.
Senior Site Reliability Engineer, produktionsutveckling – distansarbete i Indien
Stöd NVIDIA Cloud-produkter som senior site reliability engineer med fokus på Kubernetes-administration, automatisering, observability och incidenthantering. Bidra till att upprätthålla hög tillgänglighet i produktionstjänster inom global drift.
Beskrivning
- Leda ett globalt center för driftsäkerhetsoperationer
- Stödja NVIDIA Cloud-produkter och -tjänster
- Samarbeta med Site Reliability Engineering, Security Operations, DevOps och andra team
- Stödja Kubernetes-tjänster i produktion genom att öka automatiseringen och minska manuellt arbete
- Administrera storskaliga Kubernetes- och systemmiljöer samtidigt som säkerheten övervakas för att skydda SLA:er, integritet och driftsäkerhet
- Använda aviseringar, larm och observability-verktyg för att identifiera, förebygga och hantera incidenter
- Undersöka loggar, mätvärden och systembeteende för att diagnostisera tekniska problem
- Leda rotorsaksanalyser och leverera effektiva lösningar
- Initiera och leda samtal om incidenthantering
- Samordna ämnesexperter och tjänsteansvariga genom snabb eskalering och lösning
- Skapa övervakning, larm och aviseringar som stärker tjänsternas driftsäkerhet och kundupplevelsen
Krav
- Minst 7 års dokumenterad erfarenhet av administration av storskaliga Kubernetes-system i produktion i miljöer med hög tillgänglighet, till exempel internet-, moln- eller datacenterbaserade miljöer
- Erfarenhet av lokal infrastruktur är starkt meriterande
- Kandidatexamen i datavetenskap, ingenjörsvetenskap, matematik eller motsvarande erfarenhet
- Avancerad praktisk erfarenhet av Kubernetes, SLURM och hantering av storskaliga kluster
- Kännedom om GPU- eller DPU-hårdvara och klustermiljöer för högpresterande databehandling
- Gedigen erfarenhet av Linux-administration, inklusive DNS, DHCP, IP-tabeller, routning och brandväggar
- Förmåga att felsöka och underhålla tjänster på storskalig bare-metal-infrastruktur
- Erfarenhet av CI/CD-verktyg som Jenkins och ArgoCD
- Erfarenhet av att skriva skript
- Erfarenhet av programmering i Python, Golang eller Rust är meriterande men inget krav
- Goda kommunikations- och samarbetsförmågor samt förmåga att övertygande presentera för tvärfunktionella grupper
Förmåner
- Tillgång till stöd från ett produktionstekniskt team dygnet runt, alla dagar i veckan
- Möjlighet att arbeta med skift som omfattar delar av helgen