Middle-Senior DevOps Engineer

Обязанности:

• Установка, настройка и поддержка GPU-серверов и Kubernetes-кластеров под AI-нагрузки.
• Деплой и сопровождение сервисов инференса моделей (API-шлюзы, балансировка, TLS).
• Мониторинг доступности и производительности; реагирование на инциденты 24/7.
• Управление ресурсами: квоты, шедулинг GPU, планирование мощностей.
• Обновление драйверов, CUDA, ОС и компонентов кластера без простоя сервисов.
• Настройка и контроль резервного копирования, план DR.
• Документирование конфигураций, runbook'и для типовых инцидентов.
• Взаимодействие с ML-командой: помощь с окружениями, доступами, диагностикой проблем производительности.

Требования:

• Операционные системы и виртуализация
• Уверенное администрирование Linux (Ubuntu/Debian, RHEL/Rocky): systemd, сети, планирование ресурсов, диагностика производительности (perf, htop, iostat, dmesg).
• Опыт работы с виртуализацией и контейнеризацией: Docker, containerd, желательно KVM/Proxmox/VMware. Kubernetes и оркестрация
• Практический опыт эксплуатации Kubernetes в production: деплой, отладка, RBAC, NetworkPolicy, Ingress/Gateway API.
• Понимание апстрим-сетевого стека: CNI (Calico/Cilium), LB, e - опыт с Envoy Gateway/NGINX Ingress как плюс. Helm, Kustomize; GitOps-подходы (ArgoCD/Flux) - желательно.
• GPU-инфраструктура (ключевой блок)
• Опыт администрирования серверов с NVIDIA GPU: установка драйверов, CUDA toolkit, NVIDIA Container Toolkit, диагностика (nvidia-smi, dcgm).
• Понимание механизмов распределения GPU в Kubernetes: device plugin, MIG, time-slicing, GPU Operator.
• Знание особенностей GPU-нагрузок: память VRAM, NVLink, RDMA/InfiniBand (для multi-node обучения) - как плюс.
• Сети и хранение
• Основы сетей: TCP/IP, DNS, TLS, балансировка, firewall.
• Опыт с системами хранения: NFS, Ceph/Longhorn/local-path, S3-совместимые хранилища (MinIO).
• Понимание требований ML-нагрузок к дискам и сети (пропускная способность при загрузке моделей и датасетов).
• Автоматизация и IaC
• Скриптинг: Bash, Python на уровне автоматизации рутинных задач. Infrastructure as Code: Ansible и/или Terraform.
• Опыт работы с Git.
• Мониторинг и надёжность
• Стек наблюдаемости: Prometheus + Grafana (включая GPU-метрики DCGM Exporter), логирование (Loki/ELK), алертинг (Alertmanager).
• Понимание SLO/SLA, практика работы с инцидентами, резервное копирование и восстановление.
• Информационная безопасность
• Базовый харденинг ОС, управление доступом (SSH-ключи, sudo, LDAP/SSO), secrets management (Vault, Sealed Secrets и аналоги).
• Обновление ПО и управление уязвимостями.

Став частью команды Forte, ты получишь:

• Конкурентную заработную плату и бонусы за персональную эффективность;
• График работы 5/2 с 9:00-18:00 в комфортном офисе;
• Жизнь внутри компании с ее корпоративными мероприятиями: тимбилдинги, челленджи, спортивные турниры, благотворительные акции;
• Заботу о здоровье с медицинским страхованием, а также DayOff в честь дня рождения и за выслугу лет;
• Выгодную рассрочку в крупные фитнес-клубы;
• Доступ к корпоративной библиотеке для непрерывного обучения и саморазвития.