Senior ingenjör inom klusterorkestrering

På Verda bygger vi ett komplett AI-moln, från datacenter och hårdvara till en egen molnplattform som världens ledande AI-team använder för avancerat AI-arbete. Vi vill bidra positivt till världen genom infrastrukturen vi bygger och ge ledande team en tjänst de verkligen kan lita på. Vårt huvudkontor finns i Helsingfors och vi har kontor i London och San Francisco. Kom till Verda medan företaget fortfarande byggs upp – inte först när allt är färdigt. Varför Verda Kontant- och aktiebaserad ersättning samt lokala förmåner. Över 40 nationaliteter, varav sex finns representerade i ledningsgruppen. En verklig möjlighet att påverka och arbeta tillsammans med framstående ingenjörer, forskare och partner i det globala AI-ekosystemet. Om rollen De flesta GPU-kluster är uppdelade i separata silor. Kapacitet står outnyttjad i en silo samtidigt som det råder brist i en annan. Som senior ingenjör inom klusterorkestrering bygger du lagret som förenar silorna till ett gemensamt kluster. Där körs träning, inferens och batchjobb på samma GPU:er, och kapaciteten flyttas automatiskt mellan dem. Det här är en programvaruutvecklingsroll i vårt AI Infrastructure-team. Du utvecklar schemaläggare, styrenheter och plattformstjänster som gör det möjligt att dela kapacitet med Kubernetes och SLURM. Du samarbetar nära med ingenjörerna som driver våra GPU-flottor och med teamen som bygger kundprodukter. Gruppen är liten, så du får direkt inflytande över arkitekturen och en kort väg från idé till produktion med den senaste GPU-hårdvaran i stor skala. Dina ansvarsområden Utforma och bygga schemaläggningslagret som låter tränings-, inferens- och batchjobb dela GPU-kapacitet mellan Kubernetes och SLURM. Möjliggöra kortvarigt ledig datorkapacitet, exempelvis outnyttjade reservationer, spotliknande resurser och luckor mellan jobb. Fyll den med kortvariga jobb som kan avbrytas och lämna tillbaka kapaciteten på ett kontrollerat sätt när jobb med högre prioritet behöver den. Implementera gang scheduling, topologimedveten placering och avbrott för träning på flera noder med Volcano, KAI Scheduler, Kueue eller Slurm Bridge. Bidra till verktygen uppströms eller bygg egna komponenter när de inte räcker till. Utveckla Kubernetes-operatorer och styrenheter för kvoter, prioriteringar, rättvis resursfördelning och köhantering samt för klustrets livscykel: skapande, skalning, uppgraderingar, hälsokontroller och avveckling. Lösa svåra samspel mellan olika arbetslaster: elastisk träning med stöd för kontrollpunkter, autoskalning av fördröjningskänslig inferens och batchjobb som fyller lediga resurser – alla konkurrerar om samma GPU:er. Bygga uppföljning av schemaläggning och resursutnyttjande, bland annat ködjup, väntetider, fragmentering, avbrottsfrekvens, GPU-utnyttjande och SLO-mål för viktiga plattformstjänster. Leverera plattformen med GitOps, deklarativ konfiguration, avvikelsedetektering och säkra utrullningar och återställningar. Dina viktigaste kompetenser Minst fem års erfarenhet av plattformsutveckling, infrastrukturteknik, SRE eller ett närliggande område, eller motsvarande kompetens. Du har drivit projekt från design till driftsättning och underhåll. Goda kunskaper i programvaruutveckling med Go (förstahandsval) eller Python, inklusive Kubernetes-styrenheter eller operatorer i produktion. Du är noggrann med API-design, samtidighet, idempotens, återförsök och felhantering. Djup kunskap om Kubernetes: schemaläggaren, schemaläggningsramverket och dess utökningspunkter, kontrollplanet, nätverk, lagring och nodernas livscykel. Praktisk erfarenhet av batch- eller AI-schemaläggare som Volcano, KAI Scheduler, Kueue eller Slurm Bridge. Du förstår gang scheduling, köhantering, kvoter, avbrott och rättvis resursfördelning. Erfarenhet av GPU-arbetslaster, inklusive enhetsinsticksmoduler, GPU-medveten schemaläggning och de praktiska begränsningarna vid träning på flera noder och fördröjningskänslig inferens. Kännedom om SLURM och förståelse för skillnaderna mellan HPC-baserade och molnbaserade schemaläggningsmodeller. Praktiska uppgifter Plats: London (Storbritannien) eller Helsingfors (Finland), där vi har kontor. Om du bor någon annanstans i Europa kan du också arbeta på distans. Anställningsform: Heltid och tillsvidare Nästa steg Vi växer snabbt och behöver rätt person för rollen. Det finns ingen konstgjord deadline, men när vi hittar rätt person går vi vidare. Känns det här som nästa steg för dig? Ansök nu. Skicka in din ansökan via vår karriärsida. Vi tar inte emot ansökningar per e-post.