Automation-Architekt – Quality Engineering

Stelle nicht auf LinkedIn

vor 2 Monaten

Bewerben

E-Mails mit ähnlichen Jobs erhalten

DDN

WebsiteLinkedInAlle Stellen

Artificial Intelligence • Data Center and Cloud Computing • High Performance Computing

DDN ist ein globaler Marktführer für Lösungen im Bereich Datenintelligenz für KI und bietet Technologien für High-Performance Computing (HPC) sowie anspruchsvolles Datenmanagement. Mit dem Fokus, KI-Implementierungen und fortgeschrittene Datenanalysen zu beschleunigen, unterstützen die Produkte von DDN – darunter die Data Intelligence Platform und hochentwickelte Speichersysteme – vielfältige Branchen wie Gesundheitswesen, Finanzdienstleistungen und den öffentlichen Sektor. DDN hat sich der Transformation der Unternehmensdateninfrastruktur verschrieben, um das volle Potenzial von KI auszuschöpfen und die operative Effizienz zu steigern.

1001 - 5000 Mitarbeiter

Gegründet 1998

🤖 Künstliche Intelligenz

💰 €10.000.000 Funding Round im 2011-06

Beschreibung

• Architektur und Verantwortung für ein auf pytest basierendes Automatisierungsframework für die verteilte Infinia-Storage-Plattform • Entwicklung wiederverwendbarer Python-Bibliotheken und pytest-Fixtures für APIs, CLIs und komplexe Workload-Orchestrierung • Gestaltung der Automatisierung als Self-Service-Plattform, die Entwicklern das Schreiben und Ausführen von Automatisierung ermöglicht • Förderung der Nutzung durch Dokumentation, Beispiele und Onboarding • Erforschung und Implementierung von KI/ML-getriebenen Teststrategien zur Erstellung adaptiver, realistischer Workloads • Leitung von Code-Reviews für Automatisierungseinreichungen zur Sicherstellung von Qualität und Wartbarkeit • Architektur der Automatisierung zur Validierung von Clustering, Failover, Skalierung, Resilienz und Chaos Engineering • Integration von Performance- und Stresstests in CI/CD unter Verwendung von fio, IOR, Minio Warp, Mongoose, MLPerf • Gestaltung der Automatisierung zur effizienten Ausführung auf Kubernetes, Docker, Hypervisoren und Bare-Metal • Integration von Telemetrie mit Grafana, Prometheus, ELK zur Validierung der Qualität anhand von Systemtelemetrie • Mentoring von QE- und Entwicklungsingenieuren weltweit in Python, pytest und Automatisierungs-Designmustern

🎯 Anforderungen

• Expertenkenntnisse in Python einschließlich pytest (Fixtures, Plugins, Parametrisierung), asyncio und im Aufbau skalierbarer Frameworks • Fundiertes Verständnis verteilter Systeme: Clustering, Fehlertoleranz, horizontale Skalierung; Erfahrung mit Orchestrierung von Maschinen/Workloads wünschenswert • Umfangreiche Linux-Erfahrung (Ubuntu/RHEL) und Kenntnisse von Storage-Protokollen (S3/Object, NVMe/iSCSI, NFS/SMB) • Erfahrung in der Integration von Performance-Tools: fio, IOR, Minio Warp, Mongoose, MLPerf und in der Orchestrierung von Tests mit Docker und Kubernetes • CI/CD-Expertise mit Jenkins oder GitHub Actions • Erfahrung mit Observability-Tools wie Grafana, Prometheus oder dem ELK-Stack • Erfahrung in der Anwendung von KI/ML-Techniken für Tests; Vertrautheit mit Pandas, NumPy, SciPy, scikit-learn bevorzugt • Sichere Kenntnisse in Bash; Bonuspunkte für Erfahrung in Go oder C++ • Führungserfahrung und Erfahrung im Mentoring; ausgezeichnete Kommunikationsfähigkeit und strategisches Denken; Builder's-Mindset, Engagement für Qualität