Описание
Платформа предназначена для запуска моделей.
Задачи
•Участвовать в проектировании, развертывании и сопровождении сервисов платформы запуска моделей
•Развивать и эксплуатировать Kubernetes-кластеры и базовые платформенные компоненты
•Оценивать возможность применения готовых коммерческих решений и решений с открытым исходным кодом
•Формировать DevOps-подходы, выбирать инструменты и автоматизировать типовые операции
•Разрабатывать и внедрять процессы CI/CD для сборки, тестирования и развертывания сервисов
•Интегрировать платформу с GitLab, реестрами образов, системами управления секретами и другими внутренними сервисами
•Настраивать мониторинг, логирование, трассировку, оповещения и дашборды
•Определять SLI/SLO сервисов и участвовать в повышении надежности платформы
•Находить и устранять причины инцидентов, снижения производительности и нестабильности
•Проектировать высокодоступные решения, сценарии обновления, отката и аварийного восстановления
•Автоматизировать проверку инфраструктурного кода, конфигураций и релизов
•Адаптировать платформенные компоненты для поставки и эксплуатации в локальных и изолированных средах
•Готовить эксплуатационную документацию, сценарии runbook и инструкции по диагностике
•Согласовывать архитектурные и эксплуатационные решения с разработчиками, SRE, специалистами по информационной безопасности и командой частных инсталляций
Требования
•Глубокое знание Kubernetes и опыт эксплуатации производственных кластеров
•Хорошее понимание сетевой модели OSI, стека TCP/IP, DNS, балансировки и сетевого взаимодействия в Kubernetes
•Опыт администрирования Unix-подобных операционных систем
•Опыт автоматизации с помощью Bash и Python или Go
•Понимание HTTP/HTTPS и опыт настройки веб-серверов и обратных прокси
•Практический опыт проектирования и внедрения CI/CD
•Уверенное владение GitLab CI/CD или аналогичными инструментами
•Опыт автоматизации инфраструктуры с помощью Ansible, Terraform и Helm
•Опыт настройки систем мониторинга и логирования, например Prometheus, Grafana, Alertmanager, Loki или OpenSearch
•Опыт работы с системами управления секретами, например HashiCorp Vault
•Уверенное владение Git
•Понимание принципов высокой доступности, отказоустойчивости и аварийного восстановления
•Умение диагностировать проблемы распределенных систем на уровне приложения, Kubernetes, операционной системы и сети
Будет плюсом:
•Опыт построения или эксплуатации GPU/HPC-кластеров
•Знание RDMA, InfiniBand, RoCE или других высокоскоростных сетевых технологий
•Опыт работы с NVIDIA GPU Operator, DCGM, MIG и драйверами ускорителей
•Опыт эксплуатации Ceph, S3-совместимых или параллельных файловых систем
•Опыт работы с OpenStack, KVM, VMware или аналогичными платформами
•Опыт эксплуатации инфраструктуры в изолированных локальных контурах
•Понимание профиля нагрузки LLM inference и обучения моделей
Условия
Условий в вакансии нет
