Ingénieur Système HPC / GPU / SLURM F/H

Choisir Sorbonne Université, c'est rejoindre une université engagée sur les enjeux de développement durable, de diversité, d'égalité, d'innovation, de diffusion des savoirs, d'ouverture sur le monde et de qualité de vie au travail de ses personnels. Labelisée HR Excellence in Research par la Commission européenne depuis 2021, Sorbonne Université porte une stratégie ambitieuse au service de l'ensemble de sa communauté de recherche.

Université pluridisciplinaire de recherche intensive de rang mondial, elle s'attache à répondre aux enjeux scientifiques du 21e siècle et à transmettre les connaissances issues de ses laboratoires et de ses équipes de recherche.

Déployant ses formations auprès de 55 000 étudiantes et étudiants dont 4000 doctorantes et doctorants et 12300 étudiantes et étudiants étrangers, elle regroupe plus de 3300 enseignantes et enseignants, enseignantes-chercheuses et enseignants-chercheurs, chercheuses et chercheurs, près de 4 000 enseignants-chercheurs et enseignants partenaires, environ 3 000 personnels de bibliothèque, administratifs, technique, sociaux et de santé (BIATSS) et 2000 IATSS partenaires. Son budget est de plus de 700 M€.

Située au coeur de Paris, elle présente une organisation avec des directions inter-facultaires et trois facultés de « Lettres », « Santé » et « Sciences et Ingénierie » et est présente dans plus de 30 sites en Ile-de-France et en régions.

Fonctions : Ingénieur.e Système HPC / GPU / SLURM
Catégorie : B
Corps : TECH
BAP : E

CDD de 12 mois.

Missions principales :
1. Administration système

• Déploiement et maintenance des noeuds de calcul GPU sous Debian
• Déploiement et maintenance de noeuds proxmox, vm et docker
• Gestion des mises à jour système, des pilotes NVIDIA et des librairies CUDA
• Configuration et optimisation du réseau haute performance (bonding, VLAN)
• Mise en oeuvre et gestion des systèmes de fichiers distribués (NFS, CEPH, CephFS)
• Automatisation des déploiements via Ansible

2. Administration SLURM

• Installation, configuration et mise à jour de SLURM (slurmctld, slurmd, slurmdbd)
• Définition des partitions, QOS, comptes et limites de ressources
• Intégration des GPU NVIDIA dans les ressources SLURM (GRES)
• Surveillance des jobs, diagnostics et interventions sur les noeuds en défaut
• Rédaction et mise à jour des procédures SLURM à destination des utilisateurs

3. Support utilisateurs et opérateurs

• Support de niveau 2/3 pour les utilisateurs de la plateforme HPC
• Accompagnement des utilisateurs sur l'optimisation de leurs soumissions SLURM
• Participation aux réunions techniques et rédaction des comptes-rendus
• Rédaction de la documentation technique et des runbooks

4. Supervision et performance

• Mise en place et maintenance des outils de supervision (Prometheus, Grafana)
• Analyse des performances GPU (utilisation, mémoire, température, bande passante NVLink)
• Optimisation des politiques d'ordonnancement selon la charge de la plateforme
• Gestion des incidents et participation aux astreintes selon planning