Инженер технической поддержки (L2) – вычисления

О Мистрале
Mistral предлагает комплексные решения в области искусственного интеллекта: от передовых моделей до инструментов разработки, приложений и вычислений. Мы сотрудничаем с предприятиями, решающими самые сложные проблемы в таких важных отраслях, как финансы, производство, оборона, здравоохранение и государственный сектор, совместно создавая индивидуальные системы искусственного интеллекта, которые они могут использовать на своих условиях.
Мы — динамичная, сплоченная команда, увлеченная искусственным интеллектом и его потенциалом преобразования общества. Наш разнообразный персонал процветает в конкурентной среде и стремится внедрять инновации. Наши команды распределены по Европе, Северной Америке, Азии и Ближнему Востоку. Мы креативны, с низким эго и командным духом.

Mistral AI создает новую команду поддержки вычислений, чтобы обеспечить надежность, производительность и масштабируемость наших кластеров графических процессоров в среде Kubernetes. Будучи одним из основателей этой команды, вы будете играть ключевую роль в формировании ее процессов, стандартов и культуры.
В этой гибридной роли поддержки L1/L2 вы будете первым контактным лицом для клиентов и внутренних групп, предоставляя технические рекомендации, устранение неполадок и решение проблем, связанных с вычислениями. Вы также будете точкой эскалации сложных проблем, используя свои глубокие системные знания, опыт Kubernetes и навыки оперативной отладки, чтобы обеспечить бесперебойную работу наших рабочих нагрузок ИИ в любом масштабе.
Это должность, ориентированная на поддержку, которая сочетает в себе системное администрирование, общение с клиентами и опыт вычислительной инфраструктуры. Хотя программирование не является основным направлением деятельности, знание Go для отладки и автоматизации является плюсом.

Ключевые обязанности
Первое контактное лицо клиента

• Выступать в качестве первого собеседника для клиентов и внутренних команд, обеспечивая своевременные и эффективные ответы на запросы, связанные с вычислениями.

• Сортировать и определять приоритетность входящих запросов, гарантируя соблюдение соглашений об уровне обслуживания для подтверждения, первого ответа и разрешения.

• Собирайте и анализируйте первоначальные сведения о проблеме (например, журналы, сообщения об ошибках, системные показатели) для эффективной диагностики проблем.

• Предоставлять четкие и практические рекомендации клиентам и внутренним пользователям, включая временные обходные пути, где это применимо.

Техническая поддержка

• Служить точкой эскалации второго уровня для проблем Linux, Kubernetes и вычислительной инфраструктуры, обеспечивая глубокое техническое устранение неполадок для:

• Рабочие нагрузки графического процессора/TPU (например, ошибки CUDA, утечки памяти, сбои заданий).

• Кластеры Kubernetes (например, сбои модулей, сбои узлов, неправильные настройки сети).

• Голое железо и облачные среды (например, AWS EC2, виртуальные машины GCP, кластеры HPC).

• Диагностировать и устранять узкие места производительности, сбои оборудования и конфликты за ресурсы в распределенных системах.

• Анализировать системные показатели, журналы и трассировки (например, dmesg, Journalctl, nvidia-smi, Prometheus, Grafana) для выявления коренных причин проблем.

• Участвуйте в ротациях по вызову, чтобы обеспечить круглосуточную поддержку критически важных вычислительных систем.

• Приятно иметь возможность: оптимизировать конфигурации системы (например, параметры ядра, настройку файловой системы, настройки сети) для высокопроизводительных вычислений (HPC) и рабочих нагрузок искусственного интеллекта.

Kubernetes и контейнеризация

• Отладка кластеров Kubernetes с упором на:

• Проблемы с модулями и узлами (например, CrashLoopBackOff, OOMKilled, ImagePullBackOff).

• Сеть и хранилище (например, плагины CNI, PersistentVolumes, StorageClasses).

• Управление ресурсами (например, запросы/ограничения, классы QOS, привязка узлов).

• Устранение неполадок во время выполнения контейнера (Docker,Containerd), таких как сбои получения образа, соответствие требованиям OCI или ошибки времени выполнения.

• Сотрудничать с командами SRE для понимания и улучшения существующих инструментов IaC (Terraform, Ansible) и Go.

Улучшение документации и процессов

• Создавайте и обслуживайте Runbook, Playbooks и внутреннюю документацию для решения распространенных проблем с вычислениями (например, отладка графического процессора, устранение неполадок Kubernetes).

• Участвовать в вскрытии с помощью практических последующих действий для предотвращения повторения инцидентов.

• Обучайте внутренние команды передовым методам работы с вычислительной инфраструктурой и отладкой.

• Помогите определить и усовершенствовать процессы поддержки в качестве члена-основателя новой группы вычислительной поддержки.

Что мы ищем
Требуемые навыки и опыт

• Более 5 лет опыта в системном администрировании, технической поддержке или эксплуатации инфраструктуры с особым акцентом на средах с большими вычислительными нагрузками (голое железо, облако, HPC или виртуализация).

• Глубокая экспертиза Linux/Unix:

• Отладка проблем на уровне ядра (например, OOM killer, узкие места ввода-вывода, регулирование ЦП).

• Настройка производительности (например, sysctl, ulimit, оптимизация файловой системы).

• Устранение неполадок сети (например, iptables, tcpdump, DNS, NFS, SSH).

• Управление хранилищем (например, LVM, RAID, NVMe, локальное хранилище на графическом процессоре).

• Практический опыт работы с Kubernetes обязателен:

• Отладка модулей, узлов и кластеров (например, kubectl define, kubectl logs, crictl).

• Сеть и хранилище (например, плагины CNI, PersistentVolumes).

• Управление ресурсами (например, запросы/ограничения, классы QOS).

• Знакомство с контейнеризацией (Docker,Containerd) и базовыми знаниями IaC. Владение инструментами мониторинга (Prometheus, Grafana, ELK, OpenTelemetry).

• Базовые навыки написания сценариев/автоматизации (предпочтительно Go, но для специальных задач приемлемы Bash или Python).

• Опыт работы со средами «голого железа», виртуализации или высокопроизводительных вычислений (например, Fluidstack, Coreweave, Vast) является большим плюсом.

• Отличные навыки решения проблем и коммуникативные навыки, а также способность четко и терпеливо объяснять технические вопросы как техническим, так и нетехническим заинтересованным сторонам.

• Ориентированность на клиента и стремление к эффективному решению проблем и повышению надежности системы.

• Способность работать по вызову и справляться со стрессовыми ситуациями, используя структурированный и спокойный подход.

• Обязательство соблюдать жесткие соглашения об уровне обслуживания для подтверждения проблем, сортировки и первого реагирования.…

Источник: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/mistralai/technical-support-engineer-l2-compute-paris-18598).