AI平台及系统运维工程师

岗位职责：

1、负责智算平台底座运维，承接算力平台IaaS/PaaS系统运维运营；

2、负责裸金属+虚拟化+容器的基础环境部署、维护与容量管理，统筹GPU服务器与容器环境部署；

3、负责操作系统内核调优（NUMA/IO/网络/CPU隔离）、NVIDIA驱动/CUDA/NCCL版本管理与多版本共存方案落地；

4、负责镜像标准化管理，构建GPU算力镜像仓库与流水线；

5、负责驱动固件升级、硬件故障处理（GPU/光模块/内存/硬盘/电源），与GPU硬件工程师、厂商技术对接形成闭环；

6、负责系统性能调优与压测，建立算力基础设施保障体系；

7、配合算力调度工程师完成GPU资源池上线、纳管与下线流程，参与算力扩容方案实施；

8、负责系统高可用保障，主导系统级故障应急响应、复盘与SOP沉淀。

任职要求：

1、计算机科学、人工智能、软件工程等相关专业本科及以上学历，985/211院校毕业；

2、3年以上Linux系统运维经验，有大型云平台（私有云/公有云/混合云）运维经验者优先；

3、熟悉主流私有云底座与裸金属+虚拟化方案，熟悉ECS/ECI/ACK等同类计算服务；

4、熟悉内核参数调优（NUMA/IO/网络/CPU隔离），熟悉华为CANN、NVIDIA驱动或ROCm等之一；

5、熟悉GPU驱动、CUDA、NCCL、cuDNN等GPU软件栈管理与多版本共存方案；

6、有批量部署（PXE/Ansible/Cloud-init/Terraform）经验，能构建标准化镜像流水线；

7、持有RHCE/CKA等专业认证者优先；

8、具备较强的领域内故障排查和解决能力，能独立处理复杂技术问题；

9、具备良好的沟通能力和团队协作精神，能适应值班和应急响应工作；

有强烈的责任心和敬业精神，能够应对紧急情况下的运维工作。