О компании Nscale
Nscale — это облако с GPU, созданное для ИИ. Мы предоставляем экономичную и высокопроизводительную инфраструктуру для стартапов в области ИИ и крупных корпоративных клиентов. Nscale позволяет компаниям, ориентированным на ИИ, достигать выдающихся результатов, снижая сложность разработки ИИ. Наше GPU-облако усиливает технические возможности и напрямую поддерживает стратегические бизнес-цели, включая управление затратами, быстрое внедрение инноваций и экологическую ответственность.
Мы процветаем благодаря культуре неустанных инноваций, ответственности и владения результатом, где каждый член команды гордится своей работой и выполняет её с превосходством и срочностью. Будучи Nscaler, вы будете строить доверие через открытость и прозрачность, где каждый вдохновлен делать свою лучшую работу. Если вы присоединитесь к нашей команде, вы будете вносить вклад в создание технологий, которые формируют будущее.
О роли
Команда AI Infrastructure Operations в Nscale поддерживает одну из самых требовательных AI-платформ в отрасли. При нашем масштабе решения по дизайну, которые мы принимаем в этом году, определяют режимы отказов, с которыми мы будем жить следующие пять лет.
Мы ищем ведущего инженера по надежности сайта (Principal Site Reliability Engineer), специализирующегося на архитектуре инфраструктуры, который будет архитектурным авторитетом в вопросах проектирования, подключения и восстановления нашей платформы.
Это роль, ориентированная на дизайн. Вы будете владеть эталонной архитектурой GPU, сети и платформы управления Nscale; определять, где находятся домены отказов и границы доверия; и обеспечивать, чтобы каждая крупная система, которую мы строим, имела известный радиус поражения, проверенный путь восстановления и четкого владельца. Вы будете работать вместе с командами, занимающимися запуском, обновлениями и миграциями, а также участвовать в крупных инцидентах, когда причина оказывается в дизайне. Вы будете равным партнером нашему текущему ведущему архитектору, а не резервной копией; вы оба разделяете ответственность за дизайн и операционную модель, чтобы ни один из вас не был единственной точкой отказа.
Чем вы будете заниматься
- Владеть сквозной эталонной архитектурой AI и HPC инфраструктуры Nscale: вычисления, сетевая структура, хранилище, управляющая плоскость и основные сервисы под ними
- Проектировать топологии с несколькими площадками и регионами, включая домены отказов, изоляцию арендаторов и безопасные сервисные анклавы для суверенных и гипермасштабных клиентов
- Разделять управляющую плоскость и плоскость данных по дизайну, чтобы сбой слоя управления никогда не приводил к остановке рабочих нагрузок клиентов
- Определять целевую архитектуру и многолетнюю дорожную карту для её достижения, включая то, что мы выведем из эксплуатации, консолидируем или перестроим
- Проводить архитектурные обзоры в инженерных, сетевых и операционных командах; писать и утверждать RFC и записи архитектурных решений (ADR), на которые опираются другие команды
- Устанавливать архитектурные стандарты, которым должна соответствовать каждая новая система перед запуском: SLO, наблюдаемость, модели емкости, карты зависимостей и задокументированные режимы отказов
- Проводить предварительные анализы и проверки красной командой крупных дизайнов, чтобы выявить единичные точки отказа и скрытые зависимости до выхода в продакшн
- Участвовать в крупных инцидентах, когда корневая причина связана с архитектурой, и сопровождать исправление до уровня дизайна
- Совместно владеть операционной моделью с командой SRE: обзоры готовности к эксплуатации (ORR), стандарты оценки серьезности инцидентов и пост-инцидентных обзоров (PIR), а также политика доступа к продакшну и экстренного доступа (break-glass)
- Обеспечивать, чтобы команды, управляющие каждой системой, могли развертывать, обновлять и восстанавливать её без вашего непосредственного участия
- Планировать и проверять запуск площадок, обновления флота и миграции рабочих нагрузок клиентов в реальном времени
- Проводить тесты аварийного восстановления (DR) и игровые дни, чтобы убедиться, что восстановление работает
- Использовать данные инцидентов и дежурств для принятия решений о следующем редизайне
- Наставлять старших инженеров в проектировании систем, чтобы архитектурные знания и принятие решений не концентрировались в руках одного человека
О вас
- Более 10 лет опыта создания и эксплуатации крупномасштабной производственной инфраструктуры, включая дежурства по системам, которые вы проектировали, и несколько лет на позициях staff, principal или архитектора
- Опыт проектирования архитектур, которые сейчас работают в продакшне; вы можете подробно рассказать о компромиссах, что ломалось и что бы вы изменили
- Вы руководили крупными инцидентами и проводили масштабные миграции или запуск площадок
- Рабочие знания управления изменениями, поэтапных развертываний, оповещений на основе SLO и пост-инцидентных обзоров
- Глубокая экспертиза в проектировании распределённых систем: модели согласованности, консенсус и репликация, обработка разделений и плавное деградирование
- Сильные фундаментальные знания сетей на уровне дизайна, включая L3-сети, BGP, EVPN/VXLAN, сегментацию и многоплощадочную связность
- Опыт проектирования безопасных мультиарендных платформ: идентификация, PKI и управление секретами, сетевая изоляция и границы с нулевым доверием
- Чёткое техническое письмо; ваши проектные документы, RFC и ADR выдерживают проверку, и инженеры могут строить напрямую по ним
- Доказанная способность влиять на архитектурные решения в разных командах без прямого авторитета, включая умение отказывать в дизайнах, которые не выдержат проверку
- Сильные навыки программной инженерии; вы можете прототипировать дизайн, проверять продакшн-код и замечать, когда реализация отклонилась от задуманной архитектуры
- Здравый смысл при балансировании надёжности, скорости и стоимости, а также умение объяснять компромиссы инженерам и руководству
Желательно
- Проектирование AI или HPC платформ в масштабе, включая GPU-кластеры, InfiniBand или RoCE сети и планировщики рабочих нагрузок, такие как Slurm или Kubernetes GPU scheduling
- Проектирование суверенных, регулируемых или изолированных облачных сред
- Архитектура bare-metal и гибридных облаков, включая пайплайны провиженинга, CMDB/DCIM как источник правды и автоматизацию жизненного цикла оборудования
- Архитектура наблюдаемости для сред с высокой кардинальностью и пропускной способностью
- Архитектура Kubernetes платформы для множества кластеров и площадок
- Структурированные методы анализа дизайна, такие как анализ режимов и последствий отказов (FMEA), моделирование угроз или диаграммы C4
- История значительных улучшений надёжности или масштабируемости, достигнутых за счёт редизайна, а не патча
Дежурства и темп работы
Когда инцидент оказывается проблемой дизайна, вас привлекут, и вы будете отвечать за исправление.
Что мы можем вам предложить
В Nscale вы найдете сотрудничающую, поддерживающую и инновационную среду, где ваш вклад приносит реальный эффект. Мы строим нечто выдающееся и хотим, чтобы вы были в центре этого.
- Высоко конкурентный пакет (оклад + акции) с пересмотром каждые 12 месяцев. 🚀
- Присоединяйтесь к самому быстрорастущему технологическому стартапу, у вас будет шанс расширять границы, сотрудничать с блестящими умами и оставить свой след в передовом ИИ. ✨
- Ожидайте динамичный план развития, адаптированный к вашим амбициям. Растите, пробуя новое, руководя, бросая вызов статус-кво и отвечая за свой вклад, всегда при нашей полной поддержке.
- Гибкость с приоритетом на человека: Мы рассматриваем вас в первую очередь как человека. 🫶🏽 Наш гибкий рабочий процесс доверяет Nscalers выполнять задачи, давая вам автономию формировать свой день вокруг жизненных моментов.
Присоединяйтесь к нашей успешной команде с приоритетом удалённой работы. География не является преградой для влияния или связи. Мы строим бесшовное виртуальное сотрудничество, давая вам возможности, где бы вы ни работали.
Заявление о равных возможностях
Мы настоятельно призываем подавать заявки людей с разным цветом кожи, представителей LGBTQ+ сообщества, людей с ограниченными возможностями, нейроразнообразных людей, родителей, опекунов и людей из социально-экономически неблагополучных слоев.
Если мы можем что-то сделать, чтобы учесть вашу конкретную ситуацию, пожалуйста, сообщите нам.
Обязанности, изложенные в этом описании работы, не являются исчерпывающими и предназначены для общего ознакомления с позицией. Сотрудник может быть обязан выполнять дополнительные задачи и обязанности по указанию руководства, соответствующие навыкам и квалификациям, требуемым для роли.
Ниже приведён диапазон базовой заработной платы для данной позиции. Фактическое вознаграждение может варьироваться в зависимости от факторов, связанных с работой, таких как набор навыков, опыт, образование и местоположение. Помимо базовой зарплаты, эта роль может иметь право на бонусы, акции и/или комиссионные программы. Nscale может предложить конкурентный пакет льгот, включая медицинское, стоматологическое и офтальмологическое страхование, гибкий оплачиваемый отпуск, декретный отпуск и участие в пенсионном плане.
Диапазон зарплаты$150,000—$250,000 USD
Для информации о том, как Nscale обрабатывает персональные данные кандидатов, пожалуйста, ознакомьтесь с нашим Уведомлением о конфиденциальности сотрудников и кандидатов: Здесь.
Nscale не принимает непрошеные резюме от рекрутинговых агентств.