資深全球問題解決工程師
負責 WEKA 混合雲資料平台的複雜升級案件，從初步調查一路追蹤到長期解決。 排查 Linux、GPU、網路、儲存及 NVIDIA DGX 環境問題。
說明
- 負責複雜升級案件，從初步調查一路追蹤到永久解決，並在重大事件期間為客戶提供橋接會議支援。
- 跨應用程式、GPU 與運算、用戶端、網路架構、儲存和雲端元件追查根本原因。
- 找出不同案件、客戶和軟體版本中的重複問題，評估其更廣泛的影響並推動主動應對。
- 在團隊內解決問題，或向研發團隊提交可執行的缺陷報告，附上重現步驟、佐證資料和根因假設。
- 建立並更新已知問題、WEKA 技術公告和知識庫文章。
- 運用反覆出現的升級案件推動產品和流程改善。
- 為支援組織開發並改良分析工具和自動化方案。
- 指導客戶成功工程師並強化技術實務。
- 為客戶成功團隊、新進員工及跨團隊同事提供技術訓練。
- 參與值班輪調，支援全天候服務。
- 擔任 NCP 和 DGX Cloud 環境、參考架構、基準測試工具的主題專家，並與 NCP 和 NVIDIA 工程師協同排除問題。
職位要求
- 具備電腦科學、工程或相關領域學士學位，或同等實務經驗。
- 至少 10 年進階技術支援、持續工程、網站可靠性工程或系統工程相關職務經驗，並直接服務客戶。
- 具備診斷和解決複雜分散式系統問題的實績。
- 具備將個別升級案件轉化為更廣泛解決方案的經驗，例如產品變更、技術公告或工具。
- 具備在重大且備受關注的事件中直接支援客戶的經驗。
- 具備與工程團隊合作解決缺陷的經驗，包括重現問題並提供根因證據。
- 具備良好的英語書寫和口說能力。
- 能配合彈性工時，作為全球團隊的一員工作。
- 能跨網路、核心、儲存和應用程式層進行分析判斷。
- 深入了解 Linux，包括核心內部機制、記憶體管理、NUMA、CPU 排程和驅動程式。
- 具備分散式儲存或平行檔案系統經驗。
- 了解高效能網路技術，包括 RDMA、RoCE、InfiniBand 和乙太網路。
- 具備進階除錯技能，包括大規模核心傾印和日誌分析、perf、eBPF、gdb 及原始碼檢視。
- 能運用指標分析效能，並以資料導向的假設測試進行驗證。
- 具備 GPU 和 AI 工作負載、GPUDirect Storage，以及 NVIDIA DGX、SuperPOD 或 NCP 參考架構經驗者優先。
- 具備 AWS、Azure、GCP 或 OCI 公有雲經驗，以及 Kubernetes、容器或虛擬化經驗者佳。
- 熟悉 NFS、SMB、S3、DPDK、UCX，以及 Python、Bash、Ansible 或 Terraform 等自動化工具者佳。
