数据中心工程师，可靠性与基础设施管理 - 计算供应
岗位摘要
拥有并维护我们机群的电力与冷却拓扑作为动态数据集，验证其与遥测数据是否符合建筑实际行为，并定义负载管理在芯片和容量提供商故障时的行为，涵盖从需求到调试和事件支持的全过程；构建和审计数据中心电气与机械系统的可用性模型，定义从单个站点到整个机群的云可用区与故障域
岗位职责
- 拥有并维护我们机群的电力与冷却拓扑作为动态数据集，验证其与遥测数据是否符合建筑实际行为，并定义负载管理在芯片和容量提供商故障时的行为，涵盖从需求到调试和事件支持的全过程
- 构建和审计数据中心电气与机械系统的可用性模型，定义从单个站点到整个机群的云可用区与故障域
- 构建从芯片到机架到设施的功耗模型，按工作负载和硬件代次划分，并用于设定容量规划目标、设计包络和负载预测
- 与数据中心开发商、运营商、云提供商和芯片供应商合作，推动设计改进并使其达到SLA级性能，对其架构、可靠性研究、机架电源规格和操作员接口进行技术尽职调查
任职要求
- 电气工程、机械工程、电力系统、可靠性工程、控制工程或相关领域的学士学位
- 5年以上数据中心基础设施、设施工程或可靠性工程经验
- 具备数据中心配电和冷却系统架构以及基础设施故障模式管理的经验
- 在以下至少一个领域有经验：构建定量可靠性或可用性模型（蒙特卡洛、故障树、可靠性框图或FMEA）；基于测量数据构建电力、能源或容量模型和预测；构建、测试或运营基于软件的电源管理、负载削减或控制系统
- 具有跨硬件、软件和设施团队跨职能协作的记录
- 深入了解数据中心配电和冷却架构、冗余方案及其与IT负载曲线的交互
- 在可靠性工程、电力建模与能源调度，或负载管理与控制（遥测、IT/OT接口、负载转移和削减系统）中至少一个领域有深度
- 熟悉SCADA/BMS/EPMS、遥测管道和控制系统，具有桥接IT和OT的软件经验
- 有加速器部署及其电源管理接口经验，或大型计算机群容量超额分配经验者优先
- 能够在基础设施工程、软件团队、法律和商业团队以及外部合作伙伴之间进行沟通