О компании Nebius
Nebius возглавляет новую эру в облачной инфраструктуре для глобальной экономики искусственного интеллекта. Мы создаём полнофункциональную AI-облачную платформу, которая поддерживает разработчиков и предприятия от обработки данных и обучения моделей до развертывания в производстве, без затрат и сложности создания крупной внутренней AI/ML инфраструктуры.
Создано инженерами для инженеров. От масштабной оркестрации GPU до оптимизации инференса — мы решаем сложные задачи в области вычислений, хранения данных, сетей и прикладного ИИ.
Компания котируется на Nasdaq (NBIS) и имеет штаб-квартиру в Амстердаме, с глобальным присутствием и исследовательскими центрами в Европе, Великобритании, Северной Америке и Израиле. Наша команда из более чем 1500 человек включает сотни инженеров с глубокими знаниями в области аппаратного обеспечения, программного обеспечения и исследований в области ИИ.
Роль
Мы ищем ведущего инженера по надежности сайта (Lead Site Reliability Engineer) для создания и управления фундаментальной частью Nebius в Азиатско-Тихоокеанском регионе (APAC): сетью — инфраструктурой, от которой зависит всё остальное. Мы находимся на раннем этапе расширения в APAC, поэтому эта роль предполагает активное участие. Вы будете определять цели по надежности, писать автоматизацию и самостоятельно решать инциденты с высокой степенью независимости от европейских команд. По мере роста региона вы будете создавать и руководить местной командой SRE.
Ваши обязанности будут включать:
•Определять и нести ответственность за цели надежности сетевых сервисов и критических путей в регионе (SLI/SLO, цели по доступности, бюджеты ошибок там, где это имеет смысл)
•Продвигать улучшения надежности по всей сети APAC: не только сервисы, но и готовность площадок, межплощадочную связность (DCI) и операционные стандарты для новых дата-центров
•Отвечать за реагирование на инциденты в ваших областях, руководить расследованиями/послемортемами и превращать сбои в долговременные исправления (а не повторяющееся тушение пожаров); организовывать дежурства и практики управления инцидентами в регионе
•Создавать и развивать системы наблюдаемости: полезные метрики/логи/трейсы, оповещения и ускоренные циклы отладки во время и после инцидентов
•Проектировать более безопасные рабочие процессы изменений: автоматизация, CI/CD, тестовые/стейджинговые среды, канареечные релизы, откаты и аудит изменений в сети
•Тесно сотрудничать с сетевыми инженерами и платформенными командами в APAC и Европе для внедрения операционной пригодности в проекты и поддержания практичности и скорости операций
•Нанимать, вводить в должность и наставлять первых SRE в регионе, устанавливать инженерные стандарты для команды
•Координировать взаимодействие с европейскими командами по передаче задач и покрытию часовых поясов
Мы ожидаем, что у вас есть:
•Более 7 лет опыта в SRE / инфраструктурной инженерии, включая опыт руководства командой или технического лидерства с широкой ответственностью за производственные системы
•Прочные знания основ Linux в продакшене и структурированный подход к отладке сложных систем
•Хорошее понимание основ сетей и того, как реальные сети выходят из строя (контрольная плоскость vs плоскость данных, задержки/потери, домены отказов и т.д.)
•Практический опыт эксплуатации высокодоступных систем и их улучшения со временем (не просто «поддержание работы»)
•Умение писать и поддерживать программное обеспечение/автоматизацию (Go у нас распространён; Python также приветствуется)
•Опыт работы с современными инструментами инфраструктуры (например, IaC, CI/CD, контейнерные платформы) и комфорт в автоматизации операционных процессов
•Способность работать самостоятельно в условиях ранней стадии и создавать процессы и команду с нуля
•Готовность оставаться практикующим инженером, одновременно руководя и развивая команду
Будет плюсом, если у вас есть:
•Опыт обработки трафика с высокой пропускной способностью: балансировщики нагрузки, туннелирование/декэп, NAT64 или аналогичные системы с интенсивной нагрузкой на datapath
•Опыт низкоуровневой сетевой производительности/отладки (eBPF/XDP, DPDK, perf/ftrace, внутренности сетевого ядра)
•Опыт создания безопасных для сети конвейеров доставки (тестовые лаборатории, поэтапные релизы, автоматическая проверка, обнаружение дрейфа)
•Опыт работы с масштабной сетевой наблюдаемостью/телеметрией (маршрутизация/телеметрия потоков, обнаружение регрессий в масштабе)
•Знание сетевого ландшафта APAC (операторы, IX, региональная связность и особенности регулирования)
Преимущества и бонусы:
•Конкурентоспособная компенсация
•Возможности карьерного роста и обучения
•Гибкость и ответственность
•Культура сотрудничества и инноваций
•Возможность работать над значимыми AI-проектами
•Международная среда и талантливые команды
