职位描述
1.多云资源管理：负责阿里云、火山引擎、腾讯云等公有云资源的统一管理与日常运维，涵盖计算、GPU、存储、网络、容器等基础设施，保障平台稳定运行；
2.Kubernetes 与 GPU 管理：负责 K8s 集群运维、资源调度优化及故障排查，提升 GPU 资源利用率和集群稳定性，支撑 AI 训练与推理业务；
3.云成本治理（FinOps）：负责多云账单分析、成本分摊、资源利用率统计及预算管理，识别资源浪费，推动云资源成本优化；
4.监控与自动化：建设和维护多云监控告警体系，完善资源监控、容量分析及故障预警能力，通过自动化工具提升运维效率；
5.云平台安全管理：负责云账号、IAM 权限、密钥及资源配额管理，落实最小权限原则，保障云平台资源与访问安全；
6.AI 平台运维支持：负责 AI 训练、推理及大模型服务相关基础设施的运维支持，包括资源规划、模型 API 管理、调用成本分析及故障处理。任职要求
1.本科及以上学历，5 年以上云平台、云原生或基础设施运维相关工作经验，具备独立负责生产环境运维的能力；
2.熟悉 Kubernetes 核心机制，具备生产环境 K8s 集群管理、资源调度、性能优化及故障排查经验；
3.熟悉阿里云、火山引擎、腾讯云等主流公有云，具备至少两家云厂商的实际管理经验；
4.熟悉 Linux、Docker、网络及存储等基础技术，具备 Shell、Python 等自动化脚本开发能力；
5.具备云成本管理经验，熟悉云账单分析、资源使用统计、成本分摊及降本优化方法；
6.熟悉 Prometheus、Grafana 等监控工具，具备监控告警体系建设及线上问题排查能力；
7.具备良好的责任意识、风险意识和团队协作能力，能够独立处理复杂问题，愿意长期深耕云基础设施及 AI 平台领域。
三、加分项
1.有 GPU 集群管理、GPU Binpack、资源调度优化或 GPU 虚拟化实践经验；
2.熟悉阿里云 PAI、火山引擎 AI 平台、Volcano、Kubeflow 等 AI 基础设施产品；
3.有多云统一纳管、FinOps 成本治理或大规模云资源成本优化经验；
4.熟悉 Terraform、Ansible、ArgoCD 等自动化运维工具；
5.了解 LiteLLM 等大模型网关，具备模型 API、Token 计量、限流及调用成本管理经验。
