NVIDIA 致力于开发加速计算和人工智能技术，广泛应用于游戏、数据中心、云计算、医疗保健、制造、汽车和机器人等领域。其业务涵盖图形处理器、人工智能平台、仿真技术及面向行业的解决方案，包括支持协作式 3D 工作流程的 NVIDIA Omniverse、用于自动驾驶汽车开发的 NVIDIA DRIVE，以及面向医疗应用的 NVIDIA Clara。公司汇聚了众多技术团队，专注于构建支持先进计算、仿真和人工智能驱动分析的基础设施与软件。
高级系统软件工程师，Kubernetes 扩展性——NVIDIA DGX Cloud
为 NVIDIA DGX Cloud 和分布式 AI 工作负载扩展并优化 Kubernetes 基础设施。构建面向大规模加速计算的性能测试、监控、分析和 CI/CD 系统。
描述
- 负责 NVIDIA DGX Cloud 软件栈端到端的性能与可扩展性分析，涵盖 Kubernetes 控制平面和数据平面、GPU Operator、Network Operator、DCGM、NIM 以及分布式推理服务。
- 与 AI 研究人员、开发人员和客户合作，创建能够模拟真实工作负载的自动化测试。
- 分析复杂分布式系统中的性能与可扩展性问题，并确定其根本原因。
- 创建用于测试软件、GPU 和 CPU 性能及扩展能力的监控、报告和分析工具。
- 对超大规模 Kubernetes 集群运行中的问题进行分流、调试和解决。
- 通过现代 CI/CD 流水线开发和维护持续的性能与可扩展性测试。
- 记录研究、方法和发现，并在 KubeCon、GTC 等内部和外部活动中展示成果。
- 参与 Kubernetes、CNCF 和 NVIDIA 开源社区，评估 AI 工作负载性能并协助制定设计决策。
任职要求
- 至少八年计算机体系结构、网络、存储系统或加速器相关经验。
- 工程学学士或硕士学位，最好是电气工程、计算机工程或计算机科学，或具备同等经验。
- 具备专家级 Kubernetes 知识，并熟悉相关 CNCF 项目。
- 具备基于加速器的大规模并行和分布式系统工作经验。
- 擅长优化大规模系统上的性能和 AI 工作负载。
- 具备大规模性能建模和基准测试经验。
- 熟练使用 Golang 和 Python。
- 具备 NVIDIA 训练和推理软件生态系统经验。
- 精通至少一家公有云基础设施提供商，例如 GCP、AWS、Azure 或 OCI。
- 具备 Kubernetes 发行版的扎实运维经验。
- 具备将 Kubernetes 集群扩展到超大规模节点数和对象数量的经验。
- 有参与开源社区的实际记录。
- 相关领域的博士学位属于突出资历。
- 具备出色的沟通和人际交往能力。