高级基础设施工程师，AI 云平台
设计并运营 Radiant 的 AI 原生云平台，构建涵盖 Kubernetes、HPC、裸金属、网络、存储、安全和自动化的基础设施。
描述
- 架构设计并实施 Radiant 的新一代 AI 原生云平台。
- 运营用于 AI 工作负载的虚拟化环境，包括面向 HPC 环境的虚拟机监控程序调优。
- 扩展计算、存储和网络容量，以满足客户需求。
- 构建裸金属硬件的配置、编排和生命周期管理能力。
- 大规模维护安全、高性能的 Unix 和 Linux 配置。
- 交付高性能云原生存储和网络能力。
- 使用 CNI 和服务网格管理跨混合云与多云环境的 Kubernetes 集群。
- 构建并维护用于自动化基础设施交付的 CI/CD 流水线。
- 使用 RBAC、网络策略、准入控制器及相关工具保护 Kubernetes。
- 管理并轮换各集群中的密钥。
- 通过镜像扫描、签名制品和来源证明保护软件供应链。
- 在裸金属系统、集群和云控制平面中落实最小权限 IAM。
- 构建用于日志、指标和追踪的可观测性流水线。
- 使用 Terraform、Ansible、Go 和 Python 开发基础设施自动化。
- 评估新兴技术并判断其是否适用于平台。
- 制定底层设计和实施计划。
- 与跨职能团队合作并参与设计评审。
- 编写技术文档和运维手册。
- 通过结对协作、代码评审和设计反馈支持初级工程师。
- 协调跨团队合作，端到端交付基础设施项目。
任职要求
- 具备在云原生、HPC 或 AI 原生环境中大规模交付基础设施的实战经验。
- 有评估并采用工具和技术的实践记录。
- 拥有大型全球基础设施的丰富经验，尤其是 AI 原生、HPC 和云原生系统。
- 扎实掌握 Kubernetes 基础知识，包括容器网络（CNI）和服务网格技术。
- 深入了解面向高性能工作负载的虚拟化技术和虚拟机监控程序。
- 熟练掌握 TCP、UDP、DNS、BGP 和软件定义网络。
- 熟练使用 Terraform、Ansible 等基础设施即代码工具。
- 具备使用 Go、Python 或类似语言进行自动化开发的实践经验。
- 了解 Prometheus、Grafana 和分布式追踪系统。
- 具备出色的沟通与协作能力。
- 能够向跨职能团队讲解复杂的技术概念。
- 能够编写清晰、简洁的基础设施文档。
- 优先考虑具备以下经验者：AI/ML 工作负载、GPU 加速系统、HPC、使用 MIG 进行 GPU 分区、NVIDIA GPU Operator、RDMA、InfiniBand、RoCEv2、GPUDirect、Ceph、并行文件系统、混合云、边缘计算或架构领导。
福利待遇
- 参与处于行业前沿、快速发展的 AI 基础设施业务。
- 使用涵盖物理基础设施和软件基础设施的广泛先进技术栈。
- 在一家由 Brookfield 支持的公司发展职业生涯。
- 获得资源、导师指导和职业发展机会。
- 直接参与业务决策。
