Linux-инженер по сопровождению AI-платформы

Что за роль

Linux-инженер сопровождает on-premise AI-платформу, развёртываемую в закрытых контурах заказчиков. В работе сочетаются подготовка серверов, диагностика Linux и Kubernetes, мониторинг GPU и поддержка локального инференса. Инженер самостоятельно локализует типовые и средние инциденты, а сложные случаи передаёт DevOps и разработке с собранными данными и описанием проверок.

Что предстоит делать

• Анализировать системные и сервисные логи, дашборды Grafana и метрики Prometheus, чтобы находить причины сбоев и аномального поведения.
• Подготавливать хосты к установке платформы: настраивать ОС, проверять доступные ресурсы, сеть и файловые системы.
• Развёртывать платформу в закрытых контурах и выполнять первоначальную настройку окружения.
• Обновлять пакеты, сервисы и бандлы по инструкциям команды разработки.
• Настраивать и диагностировать GPU: проверять доступность видеокарт и драйверов, загрузку и температуру, распределение видеопамяти между LLM-моделями.
• Разбирать инциденты Kubernetes, включая OOMKill, CrashLoopBackOff, нехватку ресурсов и проблемы с Ingress, ConfigMaps, Secrets и PVC.
• Собирать контекст для эскалации: логи, метрики, последовательность действий и гипотезы; готовить воспроизведение проблем и взаимодействовать с DevOps и разработкой.
• Общаться с заказчиками в чатах и по почте, собирать данные об инцидентах, согласовывать окна обновлений и сообщать о результатах.

Что потребуется

• Уверенное владение Linux: понимание процессов и нагрузки, служб, файловых систем и сетевых соединений.
• Практическое знание Kubernetes, kubectl, архитектуры кластера и диагностики подов; умение читать манифесты и находить ошибки.
• Понимание Ingress, Services, ConfigMaps, Secrets, PVC/StorageClass, ResourceQuota и HPA.
• Знание TCP/UDP, DNS и MTU, базовые навыки сетевой диагностики; понимание причин HTTP 502 и 504 при работе прокси и балансировщика.
• Опыт чтения мониторинга Prometheus, Grafana и Loki, базовый Bash для диагностических скриптов и понимание systemd.
• Знакомство с локальным инференсом, требованиями моделей к видеопамяти и утилитами мониторинга GPU.
• Умение последовательно выстраивать диагностику от ОС к Kubernetes, приложению и сети, спокойно вести инцидент и вовремя эскалировать проблему.

Что важно знать

В описании обозначены конкретные технологии и практические сценарии: от подготовки Linux-хостов до разбора проблем кластера и GPU-инференса. Помимо технической диагностики, важна коммуникация с заказчиком — нужно точно собирать сведения, объяснять статус и согласовывать дальнейшие действия. Указаны опыт, занятость и график; зарплата и дополнительные условия не раскрыты.