GPU Fabric Engineer

🕒 il y a 24 jours

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Vultr

Site WebLinkedInTous les Emplois

201 - 500 employés

Fondée en 2014

🤖 Intelligence artificielle

🤝 B2B

🔧 Matériel

💰 €329 000 000 Debt Financing - Vultr en 2025-06

Artificial Intelligence • B2B • Hardware

Vultr est un fournisseur mondial d'infrastructures cloud offrant des machines virtuelles à la demande, des serveurs bare-metal, des instances accélérées par GPU, des bases de données gérées, un stockage d'objets et de blocs, des services Kubernetes et de mise en réseau. La plateforme met l'accent sur les charges de travail d'IA et de calcul haute performance (HPC) avec un large choix de GPUs AMD et NVIDIA, un réseau rapide, et plus de 32 régions de centres de données, ainsi qu'un marché d'applications déployables et des API conviviales pour les développeurs. Vultr cible les développeurs et les entreprises à la recherche d'alternatives cloud abordables, évolutives et conformes aux hyperscalers pour le calcul et le stockage.

Description

• Validate and troubleshoot InfiniBand and RoCE fabrics during GPU cluster bring-up and expansion • Tune fabric performance parameters for distributed AI workloads (NCCL, MPI, collective operations) • Monitor and manage fabrics using NVIDIA UFM (Unified Fabric Manager) for health, topology, and performance visibility • Diagnose and resolve fabric-level issues including link errors, congestion, packet loss, and path asymmetry • Optimize RDMA transport settings, PFC/ECN behavior, and lossless queue configuration for GPU traffic • Validate fabric performance benchmarks and ensure line-rate throughput for AI workloads • Collaborate with GPU Engineers to correlate fabric health with workload performance • Collaborate with networking teams on fabric provisioning, configuration, and remediation • Respond to fabric alerts and degradation events across production GPU clusters • Document fabric troubleshooting procedures, tuning parameters, and validation runbooks

🎯 Exigences

• 3–7 years of experience in network engineering, HPC fabric, or GPU infrastructure • Hands-on experience with InfiniBand and/or RoCE fabrics in GPU cluster environments • Experience with NVIDIA UFM for fabric management, monitoring, and diagnostics • Strong understanding of RDMA transport, lossless Ethernet design, and congestion management (PFC, ECN, DCQCN) • Experience with GPU cluster networking and distributed communication libraries (NCCL, MPI) • Familiarity with GPU platforms and their interconnect requirements (NVIDIA NVLink, NVSwitch, ConnectX) • Experience with fabric diagnostic tools (ibstat, ibqueryerrors, perfquery, etc.) • Proficiency in Python or Bash for scripting and validation • Basic understanding of Linux systems and server hardware • Strong troubleshooting and analytical skills across network and system layers

🏖️ Avantages

• 100% company-paid insurance premiums for employee medical, dental and vision plans. • 401(k) plan that matches 100% up to 4%, with immediate vesting • Professional Development Reimbursement of $2,500 each year • 11 Holidays + Paid Time Off Accrual + Rollover Plan • Increased PTO at 3 year and 10 year anniversary + 1 month paid sabbatical every 5 years + Anniversary Bonus each year • $500 stipend for remote office setup in first year + $400 each following year • Internet reimbursement up to $75 per month • Gym membership reimbursement up to $50 per month • Company paid Wellable subscription