返回岗位列表

GPU算力平台运维开发工程师

查看原岗位

地点：北京薪资：薪资未公开日期：2026-01-29

岗位摘要

负责GPU算力平台的日常运维、监控告警与故障排查，保障平台稳定运行；开发和维护运维自动化工具，提升运维效率，降低人工干预成本；参与算力平台的容量规划、性能调优与资源调度优化；搭建和完善监控体系、日志系统与故障诊断平台

岗位职责

负责GPU算力平台的日常运维、监控告警与故障排查，保障平台稳定运行
开发和维护运维自动化工具，提升运维效率，降低人工干预成本
参与算力平台的容量规划、性能调优与资源调度优化
搭建和完善监控体系、日志系统与故障诊断平台
参与CI/CD流水线建设，保障训练任务的高效交付

任职要求

本科及以上学历，计算机、软件工程等相关专业，3年以上运维开发经验
精通Linux系统管理、Shell/Python脚本开发，具备扎实的编程能力
精通Kubernetes、Docker等容器化技术，有K8s集群运维经验
了解GPU服务器架构，熟悉NVIDIA驱动、CUDA环境配置与调试
熟悉Prometheus、Grafana、ELK等监控日志系统
具备良好的问题定位和故障排查能力，能够快速响应和处理线上问题
有大规模GPU集群运维经验（千卡以上规模）
了解RDMA/InfiniBand网络运维，有高性能网络故障排查经验
有SRE相关工作经验，熟悉可观测性体系建设

加分项

有大规模GPU集群运维经验（千卡以上规模）
了解RDMA/InfiniBand网络运维，有高性能网络故障排查经验
有SRE相关工作经验，熟悉可观测性体系建设