Ingeniero de Clústeres HPC Sénior

• Más de 5 años de experiencia profesional en desarrollo de software a nivel de sistema (centrado en la optimización del rendimiento y programación de bajo nivel).

• Más de 3 años de experiencia práctica con sistemas Linux (administración, resolución de problemas y ajuste de rendimiento).

• Comprensión profunda de la arquitectura de servidores, incluyendo dispositivos PCIe, NICs, Linux OS/Kernel y sistemas de computación de alto rendimiento (HPC).

• Gran dominio de uno o más lenguajes de programación orientados al rendimiento (C/C++, Go, Python).

• Experiencia con pruebas de extremo a extremo de GPU en un entorno de clúster utilizando redes InfiniBand.

• Trayectoria demostrada analizando y optimizando el rendimiento de cargas de trabajo HPC (p. ej., simulaciones, análisis de datos, cargas de trabajo de IA/ML).

• Familiaridad con los protocolos RDMA, RoCE e InfiniBand para comunicaciones de alto rendimiento.

• Experiencia en Redes Definidas por Software (SDN) y experiencia con redes de clústeres HPC.

• Comprensión de la virtualización QEMU/KVM y gestión de entornos virtualizados.

• Experiencia con frameworks de deep learning como PyTorch y TensorFlow, y su integración con sistemas HPC.

• Familiaridad con librerías de comunicación colectiva como MPI y NCCL para computación distribuida.

Buscamos un Senior HPC Cluster Engineer para unirse a nuestro equipo y desempeñar un papel clave en el desarrollo de nuestra plataforma hyperscaler de vanguardia. El equipo de GPU & InfiniBand es responsable de mejorar y optimizar los componentes principales de nuestra plataforma Cloud, con un enfoque específico en la computación GPU, las redes InfiniBand y el stack KVM/QEMU. Trabajarás estrechamente con tecnologías de virtualización de hardware y emulación de dispositivos, garantizando un alto rendimiento y seguridad en entornos HPC multi-GPU. El puesto implica analizar, solucionar problemas y mejorar la infraestructura para dar soporte a nuevo hardware, ajustar el rendimiento del sistema y automatizar la detección y resolución de fallos en un sistema complejo.

• Ajustar el rendimiento de los clústeres de GPU y las redes InfiniBand para garantizar un funcionamiento óptimo en entornos HPC y basados en GPU.

• Analizar y solucionar problemas de la causa raíz de incidencias relacionadas con GPUs y redes InfiniBand, y proponer acciones correctivas.

• Integrar nuevo hardware en la infraestructura existente, incluyendo el soporte para nuevo hardware de GPU a través de stacks de software como Kubernetes, QEMU y KVM.

• Mejorar los sistemas de automatización para la monitorización proactiva, detección y resolución de problemas en entornos de GPU e InfiniBand.

• Configurar y gestionar dispositivos GPU y tejidos InfiniBand, garantizando un funcionamiento eficiente y fiable.
  

Ritmo rápido - Pensamiento audaz - Crecimiento constante - Impacto significativo - Confianza y responsabilidad real - Oportunidad de dar forma al futuro de la IA