Инженер по эксплуатации дата-центра

О нас

Radiant — это интеллектуальная платформа, обеспечивающая масштабируемую высокопроизводительную вычислительную инфраструктуру, специально созданную для задач ИИ и высокопроизводительных вычислений (HPC). Работая в глобальных дата-центрах, мы управляем критически важными средами, где время безотказной работы, пропускная способность и сверхнизкая задержка являются обязательными требованиями.

Обзор роли

Мы ищем глубоко технически подкованного инженера по эксплуатации дата-центров с увлечением аппаратным обеспечением для выполнения операций на месте в нашем новом развертывании в Восточном Лондоне — новейшем объекте инфраструктуры ИИ Radiant. Эта роль сосредоточена на обеспечении точных, повторяемых физических процедур — включая продвинутую поддержку smart-hands, сложное кабельное подключение и практическую работу с высокоплотными системами воздушного охлаждения — для гарантии мирового класса SLA на аппаратной архитектуре следующего поколения.

Работая в тесном сотрудничестве с командами инфраструктуры (HPC) SRE, сетевой инженерии и стратегии дата-центров, вы будете поддерживать безкомпромиссные стандарты на площадке дата-центра Восточного Лондона, охватывая несколько залов данных. Вы будете буквально жить аппаратным обеспечением, обеспечивая элитную надежность объекта через практическое развертывание, проактивное обслуживание, оперативное реагирование на инциденты и структурированное выполнение процедур ремонта/замены в высокоплотных системах воздушного охлаждения, распределении питания на базе шинных шин и вычислительных платформах следующего поколения с GPU. Роль сосредоточена на техническом исполнении и оптимизации результатов.

Вы превратите глобальные инженерные стандарты в безупречные, повторяемые ежедневные процедуры, постоянно совершенствуя практики на месте, чтобы поддерживать работу нашего самого передового аппаратного обеспечения на пике производительности. Аппаратная платформа Восточного Лондона — это вычисления класса NVIDIA B300 с полным воздушным охлаждением, поставляемые через нового OEM-партнера, который присоединяется к парку Radiant; хотя интерфейсы и общая архитектура тесно связаны с другими OEM-платформами, которые вы, возможно, уже знаете, вы будете одной из первых команд, работающих с ней на месте, поэтому быстрая обучаемость и сильные навыки устранения неполадок на основе первых принципов важнее, чем предыдущий опыт работы с этим конкретным поставщиком.

Вы станете частью основополагающей команды, обеспечивающей круглосуточное покрытие 24x7x365 на площадке Восточного Лондона для соблюдения строгих SLA клиентов, и по мере расширения присутствия Radiant в регионе EMEA ваша неустанная стремленность к совершенству аппаратного обеспечения и проверенный опыт работы в полевых условиях с высокоплотными средами станут операционной моделью для эффективного масштабирования процессов по всему региону.

Что вы получите?

Присоединяйтесь к команде, управляющей одной из самых передовых в мире инфраструктур высокопроизводительных вычислений. В роли инженера по эксплуатации дата-центров вы будете работать непосредственно с передовыми платформами GPU и CPU — включая новейшие архитектуры NVIDIA — обеспечивая работу плотных, масштабных вычислительных сред, используемых для ИИ, машинного обучения и задач следующего поколения.

Это возможность развивать экспертизу на переднем крае современной инфраструктуры, где надежность, масштаб и производительность имеют значение каждый день. Вы будете сотрудничать с опытными инженерами по всему миру в организации, которая ценит открытость, инклюзивность, техническое совершенство и непрерывное обучение.

Мы движемся быстро, решаем значимые задачи и даем людям пространство для влияния. Если вы процветаете в динамичной среде, любите работать с передовыми технологиями и хотите помочь формировать будущее высокопроизводительных вычислений, здесь вы найдете и вызовы, и возможности.

Вы также можете рассчитывать на:

• Опыт работы с передовой инфраструктурой GPU и ИИ

• Возможности роста вместе с быстрорастущим глобальным бизнесом

• Сотрудничество в инклюзивной и поддерживающей инженерной культуре

• Реальная ответственность и возможность влиять на операционное совершенство

• Работа на стыке людей, производительности и технологий

• Современное, гибкое, глобально связанное рабочее место с амбициозными целями

Основные обязанности

Операции с аппаратным обеспечением и ремонт/замена

• Быстро диагностировать и устранять проблемы с аппаратным обеспечением и сетью для максимизации времени безотказной работы; выполнять структурированные методики изоляции неисправностей для ускорения решения

• Реагировать на критические аппаратные оповещения через нашу платформу мониторинга и наблюдаемости; вносить вклад в постоянное улучшение сервиса для повышения качества мониторинга и оповещений

• Развертывать и поддерживать HPC и ИИ оборудование для бесперебойной работы, включая устранение неполадок, обновление прошивки и замену компонентов

• Выполнять процедуры ремонта/замены для продвинутых аппаратных платформ, включая замену GPU-модулей, изоляцию неисправностей на уровне компонентов и диагностику на уровне прошивки

• Выполнять или поддерживать операции ремонта/замены на ультравысокоплотных вычислительных системах, включая шасси класса NVIDIA B300 или эквивалентные платформы, включая замену GPU/вентиляторных модулей, изоляцию неисправностей на уровне шасси и подключение/отключение шинных шин — под руководством ведущего инженера во время прохождения квалификации

Операции воздушного охлаждения

• Эксплуатировать, контролировать и поддерживать инфраструктуру высокоплотного воздушного охлаждения совместно с нашим партнером по дата-центру, включая блоки CRAC/CRAH, охлаждение в ряду и в контейменте, а также связанные системы управления воздушным потоком

• Совместно с партнером по дата-центру обеспечивать плановое и корректирующее обслуживание систем воздушного охлаждения: мониторинг температуры подачи/возврата и скорости воздушного потока, поддержание контеймента горячего/холодного коридора и заглушек, проведение плановых проверок фильтров и компонентов

• Следовать и вносить вклад в стандартизированные операционные процедуры (SOP) для безопасной работы с высокоплотными вычислительными платформами с воздушным охлаждением

• Контролировать тепловую производительность и выявлять аномалии до того, как они перерастут в инциденты

Управление мощностями

• Вносить вклад в операции управления мощностями на уровне площадки, поддерживая точные записи об использовании электроэнергии, пространства и охлаждения

• Поддерживать планирование мощностей, предоставляя точные данные о фактическом состоянии и информируя ведущего инженера и соответствующие команды об изменениях в инфраструктуре

• Управлять активами на месте от момента покупки и доставки до управления жизненным циклом и утилизации, отвечая за управление активами в системе CMDB Radiant

Инфраструктура и объекты

• Обрабатывать RMA и запросы поддержки в рамках целей уровня сервиса (SLO) Radiant для соблюдения SLA по контрактам с клиентами

• Вносить вклад в текущее обслуживание, обеспечивая соответствие требованиям и используя крепкие партнерские отношения с поставщиками

• Эксплуатировать системы охлаждения, распределения питания (включая шинные шины и PDU) и другие критически важные технологии дата-центра для поддержания высоких стандартов работы

• Разрабатывать и поддерживать стандартизированные операционные процедуры управления дата-центром и оборудованием, обеспечивая постоянное соответствие требованиям управления и комплаенса Radiant

Сервис и операционное совершенство

• Применять ITSM-фреймворки: управление инцидентами, крупными инцидентами, изменениями и улучшением сервиса

• Обеспечивать и поддерживать сервисы 24x7x365 для производственных сред в рамках структурированного графика смен на месте — работать 12-часовые смены в 4-командном режиме с двумя инженерами на смене для соблюдения строгих SLA клиентов

• Приоритизировать и распределять нагрузку по инцидентам и smart-hands, обеспечивая соблюдение жестких SLA с небольшой командой на месте

• Участвовать в анализах постмортем инцидентов, анализе корневых причин, документировать выводы и автоматизировать меры по устранению

• Четко коммуницировать технические решения заинтересованным сторонам и клиентам

• Продвигать культуру: делай, документируй, автоматизируй

• Готовность к переквалификации и повышению квалификации в практиках Infrastructure/Platform SRE

• Готовность к командировкам по региону EMEA для поддержки запуска новых дата-центров и обучения новым технологиям

Необходимые навыки и опыт

• Степень в области компьютерных наук/электротехники или 5+ лет напрямую релевантного опыта в эксплуатации дата-центров

• 3+ года опыта работы в эксплуатации дата-центров, HPC или смежных ролях

• Страсть к аппаратному обеспечению и поддержанию высочайших операционных стандартов на месте

• Сильные коммуникативные навыки на английском языке

• Подтвержденный практический опыт работы с HPC/NVIDIA GPU платформами или эквивалентными высокоплотными вычислительными системами, высокопроизводительным хранилищем и сетями

• Практические знания систем высокоплотного воздушного охлаждения — работа CRAC/CRAH, мониторинг воздушного потока и температуры, управление контейментом и связанное обслуживание — или сильный опыт работы с аналогичной системой охлаждения

• Опыт или демонстрируемая готовность и способность обучаться работе с ультравысокоплотными вычислительными платформами, такими как NVIDIA B300, распределение питания на базе шинных шин или эквивалентные системы

• Опыт и страсть к управлению вычислениями в масштабах крупного уровня

• Уверенность в работе с недавно внедренной OEM аппаратной платформой, применение переносимых знаний с других высокоплотных GPU/HPC OEM систем для быстрого освоения без прямого предыдущего опыта с этим конкретным поставщиком

• Знакомство со структурированными практиками ремонта/замены для сложных аппаратных платформ, включая замену компонентов на уровне модулей и изоляцию неисправностей на уровне прошивки

• Экспертиза в установке аппаратного обеспечения, конфигурации сети и низкоуровневом обслуживании систем, включая управление прошивкой

• Знание технологий среды дата-центра, включая охлаждение и высокоплотное распределение питания

• Понимание принципов управления мощностями: отслеживание потребления электроэнергии, пространства и охлаждения

• Глубокое понимание управления аппаратным обеспечением и запасными частями; способность обрабатывать RMA в рамках определенных SLO

• Общее понимание рабочих нагрузок HPC и ИИ на высоком уровне

• Сильные навыки решения проблем и устойчивость в динамичной среде

• Хорошее понимание ITSM и лучших практик операционной деятельности

• Отличные коммуникативные навыки и способность сотрудничать с кросс-функциональными, международно распределенными командами

• Уверенность в взаимодействии с внутренними заинтересованными сторонами и внешними клиентами

• Плюс: квалификации, одобренные поставщиками, от NVIDIA или эквивалентных OEM для высокоплотных систем ИИ с воздушным охлаждением

Желательные квалификации

• Знание масштабных частных облачных развертываний и планирования мощностей.

• Квалификации в области управления и развертывания систем ОВКВ (HVAC)

• Сертификаты в релевантных областях — аппаратное обеспечение, сети

• Квалификация уровня ITIL Foundation или эквивалентный опыт

#LI-AC1