返回岗位列表

工程师

查看原岗位

地点：杭州薪资：薪资未公开日期：2026-01-29

岗位摘要

为面向亿级日活的AI基础设施的构建与维护，提供专业的稳定性和架构改善方案；负责持续优化系统稳定性、可观测性，深入参与业务和系统的监控与故障排除工作；负责内部基础设施的开发与运维自动化，提高人员效率

岗位职责

为面向亿级日活的AI基础设施的构建与维护，提供专业的稳定性和架构改善方案
负责持续优化系统稳定性、可观测性，深入参与业务和系统的监控与故障排除工作
负责内部基础设施的开发与运维自动化，提高人员效率

任职要求

有扎实的编程功底，熟练脚本语言（Python，Bash等），熟练掌握SQL，有较强动手能力
熟悉K8S集群运维、多集群管理、集群容灾多活
熟悉Linux，熟悉计算机网络、操作系统基础知识
熟悉开源OpenTelemetry可观测生态log、metric、trace最佳实践及相关工具
有责任感，能够及时处理线上故障告警，合作意识好
有线上系统的运维管理经验，熟悉各类监控、告警基础设施，能帮助完善各种监控、告警工具链
【加分项】了解LLM训练/推理流程，熟悉GPU/RDMA的问题诊断，提高集群稳定性

加分项

了解LLM训练/推理流程，熟悉GPU/RDMA的问题诊断，提高集群稳定性