职位描述
1.保障公司基础设施服务、存储集群和GPU训练/推理集群的可用性。
2.及时响应和处理日常各种突发运维事件，建立完善可靠的监控报警机制及处理机制。
3.配合各系统开发团队一同完善和维护可靠性，提供技术支持。
4.参与运维/IT相关内部系统的需求梳理，配合其他开发工程师完成研发。
5.编写和维护系统文档，记录系统运行状况和运维经验。
6.兼任管理公司内IT支持相关事务。任职要求
1.计算机或相关专业本科及以上学历，具备扎实的计算机科学基础知识。
2.有一定年限运维大型系统的经验，有独立运维的能力。
3.对云计算、容器化技术、自动化运维工具等有深入了解和实践经验者优先。
4.熟悉k8s集群架构与部署，有K8s集群的运维和使用经验。
5.熟练掌握至少一种编程语言，如Python/Golang/Shell等。
6.熟悉Ansible/SlatStack等运维自动化工具，能够进行自动化开发和维护。
7.有CEPH存储集群运维经验的加分，无经验的需要能快速掌握入门。
8.有GPU集群运维经验加分，有大模型推理服务部署经验加分。
9.具有良好的系统管理和网络基础知识，熟悉Linux操作系统的常用命令和工具。
10.了解数据库管理的基本知识，能够管理和维护常用的数据库和缓存服务。
11.具备安全意识，熟悉网络安全防范措施，如加密、防火墙等。
12.具备良好的沟通能力和团队协作精神，能够与开发、产品等团队紧密合作。
