Senior Site Reliability Engineer, Compute Node Team

Stelle nicht auf LinkedIn

🕒 vor 6 Monaten

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Nebius Group

WebsiteLinkedInAlle Stellen

1001 - 5000 Mitarbeiter

🤖 Künstliche Intelligenz

🏢 Unternehmen

☁️ SaaS

Artificial Intelligence • Enterprise • SaaS

Die Nebius Group baut eines der weltweit führenden Unternehmen für KI-Infrastruktur auf und konzentriert sich darauf, die notwendige Rechenleistung, Speicherkapazität und Tools für Entwickler im KI-Bereich bereitzustellen. Mit Sitz in Europa und an der Nasdaq notiert verfügt Nebius über eine globale Präsenz mit F&E-Zentren in Europa, Nordamerika und Israel. Das zentrale Angebot des Unternehmens ist eine KI-zentrierte Cloud-Plattform, die für rechenintensive KI-Workloads ausgelegt ist, ergänzt durch verschiedene weitere Geschäftsbereiche in den Bereichen Generative KI, Edtech und autonome Technologien.

Beschreibung

• Ensure reliability, availability and performance of compute nodes running VMs • Analyze and debug Linux systems across user space and kernel space, understanding capabilities, limitations and trade-offs at each layer • Troubleshoot complex production issues involving CPU, memory, NUMA, cgroups and scheduling • Work hands-on with virtualization and containerization, primarily using QEMU/KVM and Linux-native technologies • Design and evolve observability as a core capability of the node layer: metrics, logs, traces, alerts, SLIs and SLOs • Lead incident response, root-cause analysis, and postmortems, driving long-term reliability improvements • Collaborate closely with platform, kernel/hypervisor, GPU and infrastructure teams to improve system design and operability.

🎯 Anforderungen

• Strong Linux expertise: • deep understanding of Linux user space and kernel space • knowledge of kernel subsystems (scheduler, memory management, filesystems, cgroups, namespaces) • clear understanding of system boundaries and constraints at different layers • Virtualization experience: • hands-on experience with QEMU/KVM • understanding of VM lifecycle, performance characteristics and failure modes • Containerization knowledge: • practical experience with containers, namespaces and cgroups • strong understanding of resource isolation and control • Strong debugging skills: • ability to reason about complex system failures • structured, hypothesis-driven approach to incident analysis • SRE mindset: • clear understanding of the SRE role in system design and operations • experience building and operating observability stacks, not just consuming them • ability to turn system behavior into actionable reliability signals.

🏖️ Vorteile

• Competitive salary and comprehensive benefits package. • Opportunities for professional growth within Nebius. • Flexible working arrangements. • A dynamic and collaborative work environment that values initiative and innovation.