États-Unis
B&A
WEKA
Administrateur de plateforme de données WEKA (Télétravail États-Unis)
États-Unis
United States
PythonAWSKubernetesGo
Traduction automatique. Consultez l’original.
À propos du poste
Administrateur de plateforme de données WEKA
Succès client - Services Premium
WEKA conçoit une nouvelle approche de la pile de données d'entreprise adaptée à l'ère du raisonnement. NeuralMesh par WEKA établit la norme en matière d'infrastructure de données pour l'IA agentique, avec une solution logicielle native cloud et IA pouvant être déployée partout. Elle transforme les silos de données hérités en pipelines de données qui augmentent considérablement l'utilisation des GPU et permettent à l'entraînement et à l'inférence de modèles d'IA, au machine learning, ainsi qu'à d'autres charges de travail intensives en calcul, de s'exécuter plus rapidement, de fonctionner plus efficacement et de consommer moins d'énergie.
WEKA est une entreprise en phase de croissance, avant son introduction en bourse, sur une trajectoire d'hyper-croissance. Nous avons levé 375 millions de dollars en capital auprès de dizaines de sociétés de capital-risque et d'investisseurs stratégiques de classe mondiale. Nous aidons les entreprises et les organisations de recherche les plus grandes et les plus innovantes au monde, dont 12 du Fortune 50, à obtenir des découvertes, des perspectives et des résultats commerciaux plus rapidement et de manière plus durable. Nous sommes passionnés par la résolution des défis de données les plus complexes de nos clients afin d'accélérer l'innovation intelligente et la valeur commerciale. Si vous partagez notre passion, nous vous invitons à nous rejoindre dans cette aventure passionnante.
La méthode WEKA
- Nous sommes responsables : Nous assumons l'entière responsabilité, toujours, même lorsque les choses ne se passent pas comme prévu. Nous dirigeons avec intégrité, faisons preuve de responsabilité et d'appropriation, et nous nous imposons, ainsi qu'aux autres, les normes les plus élevées.
- Nous sommes courageux : Nous remettons en question le statu quo, repoussons les limites et prenons des risques intelligents si nécessaire. Nous accueillons les défis et embrassons les débats comme des opportunités de croissance, transformant le courage en carburant pour l'innovation.
- Nous sommes collaboratifs : La vraie collaboration ne consiste pas seulement à travailler ensemble. Il s'agit de s'élever mutuellement pour réussir collectivement. Nous sommes orientés vers l'équipe et communiquons avec empathie et respect. Nous nous mettons au défi et menons une résolution de conflit positive. Nous sommes transparents sur nos objectifs et nos résultats. Et ensemble, nous sommes inarrêtables.
- Nous sommes centrés sur le client : Nos clients sont au cœur de tout ce que nous faisons. Nous écoutons activement et donnons la priorité à la réussite de nos clients, et chaque décision que nous prenons est guidée par la manière dont nous pouvons mieux les servir, les soutenir et leur donner les moyens de réussir. Quand nos clients gagnent, nous gagnons.
Vos missions
Nos clients hyperscalers IA vendent de la capacité GPU à d'autres entreprises. Leurs locataires exécutent l'entraînement, l'inférence et la mise en point de contrôle (checkpointing) sur WEKA. Ces locataires attendent de la couche de données qu'elle fonctionne simplement.
En tant qu'administrateur de plateforme de données WEKA, vous êtes responsable de ce résultat. Vous gérez le déploiement WEKA pour ces entreprises cloud en tant qu'extension de leur équipe, au quotidien, afin qu'elles n'aient pas à gérer elles-mêmes l'administration de WEKA. Vous pouvez travailler directement avec leurs clients finaux pour ajuster l'infrastructure aux charges de travail qu'ils exécutent réellement.
Exploiter le déploiement
- Gérer l'environnement WEKA au quotidien : surveillance, santé, mises à niveau, capacité, configuration et audits.
- Créer et gérer les systèmes de fichiers, le tiering vers le stockage objet, les instantanés, les quotas et la configuration des protocoles (POSIX, NFS, SMB, S3) à mesure que les locataires s'intègrent et se développent.
- Assurer l'état opérationnel. Maintenir l'environnement sain, documenté et récupérable.
- Exécuter les changements approuvés selon une norme : confirmer la portée et l'approbation, classer le risque, valider, conserver une procédure de retour arrière et enregistrer le résultat.
- Surveiller les dérives, la pression sur la capacité et les anomalies. Les signaler rapidement avec une recommandation de résolution.
Optimiser l'infrastructure pour les charges de travail des clients finaux NCP
- Peut impliquer de travailler directement avec les locataires du client et leurs équipes de plateforme pour comprendre comment chaque charge de travail utilise le stockage : entraînement, inférence, checkpointing, chargement de données et planification.
- Ajuster WEKA pour s'adapter à la charge de travail. Disposition du système de fichiers, tiering, politique d'instantanés, quotas et QoS par locataire.
- Valider et standardiser la couche client : clients de nœuds GPU, mise en réseau BlueField-3 et SR-IOV, options de montage, cgroups et politique CPU kubelet, ainsi que l'opérateur WEKA Kubernetes et le pilote CSI.
- Intégrer de nouveaux locataires et clients avec une procédure reproductible et vérifiée. Vérifier la configuration et les scripts avant qu'ils n'atteignent la production, et non lors d'une escalade.
- Établir des bases de référence de performance. Exécuter des benchmarks et des tests avec les locataires, et rapporter ce qui a changé et pourquoi.
- Identifier les limites de mise à l'échelle avant les clients : nombre de clients, plafonds de processus, comportement NAT et routage sur les réseaux des locataires.
Runbooks, automatisation et continuité
- Créer et maintenir des runbooks opérationnels client qu'un remplaçant qualifié peut suivre : procédures, conseils d'accès, validation, retour arrière et étapes de récupération.
- Transformer le travail manuel répétitif en scripts, automatisation ou listes de contrôle. Utiliser Python, Bash et Ansible.
- Préparer les passations et les notes de remplacement avant les congés ou les changements de couverture.
- Expliquer les procédures et les décisions aux opérateurs clients afin qu'ils deviennent plus compétents, et non plus dépendants.
Escalade et collaboration
- Ouvrir et mettre à jour les dossiers avec la condition observée, l'impact client, le travail effectué, les preuves et la prochaine étape demandée. Suivre le chemin établi vers les services techniques, GRE et R&D.
- Tenir l'équipe élargie WEKA informée des changements, des risques et de tout ce que le client doit savoir.
- Travailler avec les fournisseurs cloud, les équipes réseau et d'autres tiers dans l'environnement du client pour résoudre les problèmes.
- Contribuer aux résultats opérationnels, aux tendances et aux risques lors des points hebdomadaires et des revues trimestrielles.
Exigences
- 10+ années d'administration d'infrastructure d'entreprise à grande échelle, avec une solide expérience en stockage (fichier, objet ou bloc).
- Compétences approfondies en administration Linux, y compris la famille RHEL et Ubuntu, dans des environnements distribués.
- Expérience pratique des réseaux haut débit : Ethernet et InfiniBand, RDMA, et les fondamentaux du DNS, des ACL et de TCP/IP.
- Connaissance pratique de Kubernetes et des conteneurs, y compris le stockage persistant, CSI et les opérateurs.
- Expérience dans l'exploitation d'infrastructures GPU, HPC ou de grands clouds pour des clients externes ou des locataires multiples.
- Expérience avec au moins un cloud majeur : AWS, Azure, Google Cloud ou Oracle Cloud.
- Maîtrise de Python, Bash ou Ansible. Vous automatisez ce que vous répétez.
- Expérience avec les piles de surveillance et d'alerte (Prometheus, Grafana, outils de logs et de métriques).
- Expérience avec des systèmes de billetterie tels que Jira, et discipline dans la gestion des incidents majeurs.
- Communication écrite et orale claire. Vous savez expliquer un changement à un ingénieur comme à un cadre dirigeant.
- Solides compétences en rédaction technique. Vos runbooks fonctionnent pour quelqu'un qui n'a jamais vu l'environnement.
Ce qui serait un plus
- Expérience préalable avec WEKA ou un autre système de fichiers parallèle ou distribué.
- Expérience dans l'exécution de plateformes IA/ML basées sur Slurm ou Kubernetes.
- Expérience avec la mise en réseau de clusters GPU NVIDIA et les systèmes de classe DGX.
- Expérience de collaboration entre les équipes de support et les équipes produit ou ingénierie.
- Familiarité avec Confluence, Slack et d'autres outils de collaboration.
À quoi ressemble la réussite
- Le travail de routine est effectué de manière prévisible, documenté et vérifié après exécution.
- Un remplaçant qualifié peut exploiter l'environnement à partir de votre runbook.
- Les locataires du client sont intégrés plus rapidement, avec moins de surprises, et atteignent leurs objectifs de performance.
- Les problèmes de couche client sont détectés lors de la vérification, et non en production.
- Les risques et les lacunes d'accès sont soulevés rapidement avec une recommandation de voie à suivre.
- Le travail répétitif devient plus sûr grâce aux listes de contrôle, aux scripts et à l'automatisation.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil