运维工程师（新疆哈密）

1、负责算力集群的日常运维、监控、优化及故障处理。

2、设计、部署和维护基于Kubernetes的容器化平台，确保其高效稳定运行。

3、建设在IDC搭建大规模集群，提供运维能力和体系，支持云平台团队开发并对平台客户提供相关技术支持。

4、监控系统运行状态，及时发现并解决潜在问题，保障系统7x24小时高可用。

5、编写和维护运维相关文档，包括系统架构、操作手册、故障处理流程等。

任职要求

1、可接受应届毕业生，有工作经验者优先。

2、熟练掌握kubernetes的部署、管理和优化，具备大规模集群运维经验。

3、熟悉Linux操作系统，有丰富操作系统内核参数优化、操作系统问题分析定位和系统性能优化经验。

5、熟悉Prometheus、Grafana、ELK等，能够进行日志平台、监控平台和分布式跟踪平台规划落地经验。

5、熟悉IB/ROCE/NVLink/PCl-e等集群常见的通信协议以及网卡配置。

6、有大规模 GPU 集群的环境配置及管理经验优先。

7、掌握 Al技术运维，需要对相关技术有了解和实施能力。比如CUDA、CANN 驱动升级，GPU in K8s等。

8、有强烈的工作责任心，较好的沟通能力和自驱力，能够快速的响应和行动。