Инженер вычислительного кластера (HPC) (удаленная работа)

Вакансия: Инженер вычислительного кластера (HPC)

Описание вакансии

Чем предстоит заниматься:

• Устанавливать, конфигурировать и вводить в эксплуатацию CPU- и GPU-серверы;
• Проводить диагностику оборудования, обновлять прошивки, настраивать BIOS/BMC и тестировать компоненты;
• Устанавливать и сопровождать Linux на управляющих и вычислительных узлах;
• Подключать новые серверы и вычислительные узлы к Slurm-кластеру;
• Настраивать и сопровождать разделы, очереди, лимиты, квоты и учет использования ресурсов;
• Диагностировать проблемы запуска и выполнения вычислительных заданий;
• Устанавливать и обновлять драйверы, системные библиотеки и вычислительное программное обеспечение;
• Создавать и сопровождать пользовательские программные и контейнерные окружения;
• Автоматизировать установку операционных систем, настройку серверов и развертывание инфраструктурных сервисов;
• Поддерживать инфраструктурные конфигурации в системе контроля версий;
• Настраивать мониторинг оборудования, операционных систем, сетей, хранилищ и сервисов Slurm;
• Участвовать в настройке централизованного логирования и оповещений;
• Реагировать на инфраструктурные инциденты, локализовать причины сбоев и участвовать в их устранении;
• Поддерживать резервное копирование критических конфигураций и сервисов;
• Настраивать сетевое взаимодействие между управляющими узлами, вычислительными серверами и системами хранения;
• Участвовать в эксплуатации файловых систем и хранилищ данных;
• Контролировать состояние и загрузку CPU-, GPU-, сетевых и storage-ресурсов;
• Участвовать в тестировании новых конфигураций оборудования и системного программного обеспечения;
• Помогать внутренним командам переносить вычислительные задачи в общий HPC-контур;
• Помогать пользователям диагностировать проблемы с вычислительными окружениями и заданиями;
• Участвовать в интеграции HPC-инфраструктуры с внутренней вычислительной платформой;
• Вести техническую документацию по оборудованию, конфигурациям и эксплуатационным процедурам.

Что мы ожидаем:

• Уверенный практический опыт администрирования Linux;
• Опыт эксплуатации физических серверов;
• Понимание устройства серверных платформ, CPU, GPU, оперативной памяти, дисковых и сетевых подсистем;
• Практический опыт работы со Slurm или другим планировщиком вычислительных задач;
• Понимание основных принципов работы компьютерных сетей и систем хранения данных;
• Опыт автоматизации инфраструктуры с помощью Ansible или аналогичных инструментов;
• Навыки написания скриптов на Bash или Python;
• Опыт работы с системами мониторинга и логирования;
• Понимание контейнерных технологий;
• Умение диагностировать проблемы на уровнях оборудования, операционной системы, сети, драйверов и Slurm;
• Готовность работать как с автоматизацией, так и непосредственно с физическим оборудованием;
• Аккуратность при выполнении инфраструктурных изменений;
• Умение самостоятельно доводить инженерные задачи до работающего результата;
• Способность документировать выполненные работы и передавать знания команде.