Capacity Management работает на стыке облачной инфраструктуры, инженерных операций и бизнес-приоритетов. Наша команда отвечает за то, чтобы мощности инфраструктуры были доступны для клиентов, координирует работы по обслуживанию и улучшает операционные процессы в нескольких дата-центрах.
Мы тесно сотрудничаем с командами аппаратной инфраструктуры, платформенной разработки, сетей и другими техническими командами, чтобы поддерживать доступность инфраструктуры и обеспечивать эффективное выявление и устранение операционных проблем.
Мы ищем студента или недавнего выпускника, который поможет нам улучшать и вести несколько ключевых процессов управления инфраструктурой, с акцентом на ремонт GPU-узлов, мониторинг приёмки узлов и координацию обслуживания инфраструктуры.
Это возможность получить практический опыт работы с реальными операциями облачной инфраструктуры. Вы будете работать с инженерными командами, анализировать операционные метрики, отслеживать проблемы и помогать улучшать процессы, которые напрямую влияют на доступность инфраструктуры.
Вам не обязательно быть экспертом в инфраструктуре на момент прихода в компанию. Мы ценим любознательность, аналитическое мышление, чёткую коммуникацию и готовность разбираться в том, как работают сложные технические системы.
В ваши обязанности будет входить
Процесс ремонта GPU-узлов
Помогать управлять процессом ремонта узлов в дата-центрах Nebius и улучшать его, чтобы сбои инфраструктуры выявлялись, отслеживались и устранялись в рамках согласованных целевых показателей уровня сервиса.
- Отслеживать доступность GPU-узлов и метрики ремонта в разных регионах и кластерах.
- Контролировать соблюдение SLA по ремонту узлов и выявлять случаи, требующие внимания.
- Анализировать очереди ремонта, выявлять узлы, застрявшие в ремонте, и взаимодействовать с ответственными командами.
- Работать с командами Hardware Infrastructure и Platform, чтобы разбираться в причинах задержек ремонта и улучшать решение проблем.
- Вести операционные дашборды, тикеты в Jira и регулярные статусные отчёты.
- Выявлять повторяющиеся проблемы, неэффективность процессов и возможности для улучшения.
Мониторинг приёмки узлов
Помогать выстраивать и поддерживать операционный процесс мониторинга приёмки узлов, чтобы новые или отремонтированные узлы проходили приёмочное тестирование без лишних задержек.
- Отслеживать результаты приёмки узлов во всех регионах и выявлять узлы, застрявшие в процессе.
- Контролировать соблюдение Node Acceptance Responsibility Agreement и связанных SLA.
- Следить за тем, чтобы ответственные команды знали о проваленных приёмочных тестах и невыполненных действиях.
- Отслеживать нерешённые проблемы и помогать координировать их решение между инженерными командами.
- Анализировать сбои при приёмке и выявлять повторяющиеся проблемы или узкие места.
- Участвовать в улучшении дашбордов мониторинга приёмки и операционных процедур.
Координация обслуживания инфраструктуры
Участвовать в планировании и координации небольших работ по обслуживанию инфраструктуры, таких как замена сетевых коммутаторов, под руководством опытных членов команды.
- Помогать готовить планы обслуживания, графики и чек-листы выполнения.
- Координироваться с участвующими инженерными командами, чтобы обеспечить готовность к запланированным работам.
- Отслеживать задачи по подготовке обслуживания и контролировать закрытие незавершённых зависимостей.
- Поддерживать коммуникации по обслуживанию и отчётность о ходе работ.
- Собирать результаты выполнения и документировать итоги, инциденты и последующие действия.
- Помогать улучшать существующие процедуры и документацию по обслуживанию на основе практического опыта.
Дополнительные проекты
В зависимости от вашего прогресса и интересов у вас также может появиться возможность поработать над более масштабными инициативами по улучшению процессов.
Расширение процесса ремонта узлов
Помогать распространить существующий процесс ремонта GPU-узлов на другие типы инфраструктуры, включая CPU- и worker-узлы. Это потребует понимания различий в их операционных жизненных циклах, определения соответствующих заинтересованных сторон и адаптации существующих процессов мониторинга, тикетинга и SLA.
Улучшение документации по Major Maintenance
Помогать пересматривать и реструктурировать существующую документацию по Major Maintenance в соответствии с установленными правилами оформления документации. Цель — сделать процесс более понятным и простым для выполнения, с чёткими ответственностями, инструкциями, шаблонами и ссылками для участвующих команд.
Что мы ожидаем
- Вы сейчас заканчиваете или недавно закончили обучение по направлению инженерии, информатики, информационных систем, управления операциями или смежной области.
- У вас сильные аналитические навыки и навыки решения проблем, вам комфортно работать с данными и операционными метриками.
- Вы умеете организовывать информацию, отслеживать несколько активностей одновременно и контролировать выполнение незавершённых задач.
- Вы чётко выражаете мысли и комфортно сотрудничаете с техническими специалистами и руководителями.
- Вы проактивно выявляете проблемы и исследуете их причины, а не просто сообщаете о них.
- Вы умеете работать в рамках установленных процессов, а также находить возможности для их улучшения.
- Вы внимательны к деталям и берёте на себя ответственность за выполнение поставленных задач.
- Вас интересуют облачная инфраструктура, технические операции и кросс-функциональное управление проектами.
Предыдущий опыт эксплуатации масштабной облачной инфраструктуры не требуется. Важнее любознательность, инициативность и способность быстро учиться.
Будет преимуществом, если у вас есть
- Базовые знания облачной инфраструктуры, серверов, сетей или работы дата-центров.
- Опыт работы с инструментами мониторинга или визуализации данных, такими как Grafana.
- Знакомство с SQL или другими инструментами анализа данных.
- Опыт использования Jira, Confluence или аналогичных инструментов для совместной работы.
- Опыт координации университетских, волонтёрских или личных проектов с участием нескольких человек.
- Интерес к эксплуатации инфраструктуры, reliability engineering или управлению техническими проектами.
Преимущества и бонусы:
- Карьерный рост и возможности для обучения
- Гибкость и самостоятельность
- Культура сотрудничества и инноваций
- Возможность работать над значимыми проектами в сфере ИИ
- Международная среда и талантливые команды
Заявление о равных возможностях:
Nebius является работодателем равных возможностей. Мы стремимся создавать инклюзивную и разнообразную рабочую среду и обеспечивать равные возможности трудоустройства во всех аспектах занятости. Мы не допускаем дискриминации по признаку расы, цвета кожи, религии, пола (включая беременность), национального происхождения, этнического происхождения, возраста, инвалидности, генетической информации, семейного положения, статуса ветерана, сексуальной ориентации, гендерной идентичности или её выражения, а также любого другого признака, защищённого применимым законодательством.
Кандидаты должны иметь разрешение на работу в стране, в которой они подают заявку, и обязаны предоставить подтверждение права на трудоустройство как условие найма.
Если вам нужны особые условия в процессе подачи заявки, пожалуйста, сообщите нам.