NVIDIA

Senior Systems Software Engineer - HPC and AI Storage

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер системного ПО в команду Applied Systems Engineering для развития и интеграции систем хранения в крупномасштабных HPC- и AI-кластерах NVIDIA. Работа включает разработку, диагностику производительности и надёжности I/O-стека, бенчмарки и вывод исправлений в open-source.

Задачи

  • Проектировать и интегрировать системы хранения для крупномасштабных HPC- и AI-кластеров, включая Lustre, NFS и их взаимодействие с вычислительными узлами, сетями и оборудованием хранения
  • Анализировать проблемы производительности и надёжности по всему I/O-стеку: поведение приложений на клиентах файловых систем, пути ядра Linux, сетевые протоколы, серверы и устройства хранения
  • Разрабатывать исправления и оптимизации производительности совместно с командами NVIDIA, партнёрами по хранению и мейнтейнерами open-source, доводить изменения через ревью, тестирование и внедрение
  • Характеризовать реальный I/O приложений (доступ к обучающим данным, checkpoint/restart, метаданные, конкурентные нагрузки) и превращать выводы в улучшения ПО и конфигурации систем
  • Создавать воспроизводимые бенчмарки, диагностические инструменты и регрессионные тесты для измерения эффективности, задержек, производительности метаданных и масштабируемости
  • Руководить квалификацией и вводом систем хранения в эксплуатацию: проверка функциональности, целостности данных, восстановления после сбоев и устойчивой производительности на уровне кластера
  • Определять и реализовывать политики размещения, кэширования и жизненного цикла данных на основе требований нагрузок, ёмкости и операционных данных

Требования

  • Глубокий инженерный опыт с Lustre, NFS или аналогичными системами разделяемого хранения, включая отладку на уровне реализации хотя бы в одном стеке и интеграцию хранения в кластеры Linux
  • Сильное знание C и навыки отладки в Linux, опыт чтения, изменения и диагностики kernel- или user-space ПО для хранения
  • Понимание поведения файловых и распределённых систем: операции с метаданными, кэширование и консистентность, блокировки, конкурентность, клиент-серверное взаимодействие и восстановление
  • Опыт анализа паттернов доступа приложений и настройки файловой системы или стека хранения для повышения производительности
  • Способность вести сложную проблему производительности или корректности от первых симптомов через воспроизведение, root-cause анализ, реализацию и валидацию
  • Владение Python и shell-скриптами для создания поддерживаемых диагностических инструментов, автоматизации тестов и анализа
  • Способность самостоятельно вести технические направления, влиять на проектные решения в командах и ясно доносить выводы и компромиссы
  • Степень BS или MS в Computer Science, инженерии, математике, физике или эквивалентный практический опыт, 12+ лет релевантного опыта

Условия

  • Базовая зарплата определяется по локации, опыту и другим объективным факторам
  • Диапазоны базовой зарплаты: Польша — 375 000–650 000 PLN (уровень 5) и 483 750–838 500 PLN (уровень 6); Франция — 114 000–197 600 EUR (уровень 5) и 150 000–260 000 EUR (уровень 6); Германия — 141 900–245 960 EUR (уровень 5) и 165 825–287 430 EUR (уровень 6)

Навыки

  • Lustre
  • NFS
  • Linux
  • C
  • Python
  • shell scripting
  • файловые системы
  • распределённые системы
  • I/O stack
  • Linux kernel
  • бенчмарки
  • RDMA
  • GPUDirect Storage
  • объектное хранилище

Похожие вакансии

Senior Site Reliability Engineer (m/w/d) AWS / Serverless / Backend
Tavidu RecruitmentSeniorГамбургОфис
7 нояб.
Member of Technical Staff, ML Ops
CohereMiddleБерлинУдалённо
6 нояб.
Senior Site Reliability Engineer / Senior Developer Data Platform - Databricks, AWS (m/w/d)
SCHUFA Holding AGSeniorВисбаденОфис
25 окт.
Infrastructure / SRE Engineer
TrellintSeniorУдалённо
5 нояб.
Cloud Platform Engineer / SRE - KI-Plattform (w/m/d)
ApleonaMiddleNeu-IsenburgОфис
5 нояб.
Senior Systems & Infrastructure Engineer
SE3 LabsSeniorМюнхенОфис
4 нояб.
Site Reliability Engineer (m/f/x)
TipicoMiddleКарлсруэГибридРелокация
4 нояб.
(Senior) Cloud Site Reliability Engineer (Scalability) (m/f/x)
Scalable CapitalSeniorМюнхенГибридРелокация
3 нояб.
(Senior) Cloud Site Reliability Engineer (Scalability) (m/f/x)
Scalable CapitalSeniorБерлинГибридРелокация
3 нояб.
Site Reliability Engineer (f/m/d) – Observability & Internal Tools
BertelsmannMiddleБерлинГибрид
3 нояб.