site reliability engineer for generative media

fal; United States; Remote; USD 140,000 - 210,000; Full time

Benefits offered by this job

интересная и сложная работа

возможности обучения и карьерного 성장

регулярные командные мероприятия и выe

Job summary

fal — генеративная медиа-экосистема, предоставляющая инфраструктуру, инструменты и доступ к моделям для команд, строящих AI-продукты. Её единая платформа обеспечивает высокопроизводительный инференс, оркестрацию и наблюдаемость, чтобы выводить продукты от идеи до продакшена на масштабе.

Мы ищем инженера DevOps/Kubernetes, который будет управлять кластерами, строить CI/CD, автоматизировать инциденты с использованием наблюдения и инструментов, а также развивать устойчивость системы и безопасность

Qualifications

• 5+ лет опыта управления критически важными производственными системами и рабочих процессов разработки
• Опыт развёртывания Kubernetes в масштабе с использованием IaC (Terraform/Ansible)
• Глубокие знания Linux-сетей, сетевой изоляции в Kubernetes и DNS
• Опыт построения CI/CD и GitOps (FluxCD/ArgoCD)
• Умение работать с инструментами мониторинга и логирования (Prometheus, Grafana, Loki, Datadog)
• Плохой пример: самостоятельность, ответственность и коммуникабельность

Responsibilities

• Управление Kubernetes-инфраструктурой, жизненный цикл кластеров и многоарендность
• Разработка и поддержка CI/CD-пайплайнов и развёртывание инфраструктуры
• Использование ИИ для автоматизации анализа производственных инцидентов и ускорения разработки
• Создание дашбордов, алертинга и обнаружения аномалий
• Определение SLO и процесс реагирования на инциденты
• Управление сетями, балансировкой нагрузки и конфигурациями service-mesh
• Развитие надёжности через автоматизацию, runbooks и chaos engineering
• Преимущества: опыт GPU/AI- workload и продвинутые инструменты безопасности – бажаны

Skills

Kubernetes

Terraform

CI/CD

Python

Linux networking

Tools

FluxCD

ArgoCD

Prometheus

Grafana

Loki

Thanos

Datadog

Job description

Описание

fal is a generative media ecosystem that provides infrastructure, tools, and model access for teams building AI products. Its unified platform brings together high-performance inference, orchestration, and observability to help developers and enterprises bring generative media products from idea to production at scale.

Задачи

• Own and operate Kubernetes infrastructure, including cluster lifecycle, upgrades, networking, and multi-tenant isolation for customer workloads
• Build and maintain CI/CD pipelines and deployment infrastructure
• Use AI extensively to automate production issue analysis and resolution and improve software development speed, reliability, and maintainability
• Build dashboards, alerting, and anomaly detection across systems
• Define and enforce SLOs and develop incident response processes
• Manage and improve networking, load balancing, and service mesh configurations
• Drive reliability improvements across the stack through automation, runbooks, and chaos engineering

Требования

• 5+ Years of experience managing critical production systems and software development workflows
• Strong production experience setting up and operating Kubernetes at scale, using infrastructure-as-code such as Terraform or Ansible
• Deep knowledge of Linux networking, container networking (CNI plugins, VXLAN, BGP), and DNS
• Experience building CI/CD systems and GitOps workflows such as FluxCD or ArgoCD
• Proficiency in Python and either Go or Bash for tooling and automation
• Strong experience with logging, monitoring, and alerting tools such as Prometheus, Grafana, Loki, Thanos, VictoriaMetrics, or Datadog
• Excellent communication skills and ability to drive technical decisions across teams
• Self-starter who executes quickly, takes ownership, and constantly seeks improvement
• Будет плюсом: experience managing GPU and AI/ML workloads, kernel-based monitoring and routing (eBPF, XDP), security tooling (Falco, Coroot, SIEM), bare metal Kubernetes networking (Calico, Cilium, MetalLB), distributed storage systems (Ceph, Longhorn, etc.)

Условия

• Interesting and challenging work
• Learning and growth opportunities
• Regular team events and offsites