AI超算集群运维工程师
岗位摘要
负责AI超算集群中前沿服务器、加速卡等基础设施的日常运维工作，包括巡检、维修、故障定位与生命周期管理，缩短平均故障恢复时间（MTTR），保障集群持续稳定运行；负责新一代计算资源的快速交付与上线，完成节点的基线检查与性能验证工作，确保资源能够高质量高性能投入生产
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 负责AI超算集群中前沿服务器、加速卡等基础设施的日常运维工作，包括巡检、维修、故障定位与生命周期管理，缩短平均故障恢复时间（MTTR），保障集群持续稳定运行
- 负责新一代计算资源的快速交付与上线，完成节点的基线检查与性能验证工作，确保资源能够高质量高性能投入生产
- 负责建设和优化面向AI超算集群的监控、告警与可观测性体系，实现集群健康状态的实时感知
- 构建自动化运维工具链，提升故障自愈率与运维效率，降低人工干预成本
任职要求
- 本科及以上学历，计算机、电子、通信、自动化或相关专业优先
- 具备Linux服务器运维经验，熟悉集群环境下的系统管理、故障排查与性能分析
- 熟悉GPU/AI加速卡服务器、RDMA网络等相关基础设施，有实际运维经验者优先
- 具备良好的脚本或自动化能力，能够使用Shell、Python、LLM等工具提升运维效率
- 具备良好的沟通协作能力、责任心和现场问题推动能力，能在跨团队协同场景下高效推进问题解决
加分项
- 有大规模AI超算集群（千卡以上）运维经验
- 有机房交付、批量上架、集群 bring
- up、验收测试经验
- 有 GPU 服务器压测、性能基线建立、异常案例归因和优化经验
- 具备监控体系建设经验（如Prometheus、Grafana等），有可观测性平台落地经验者优先
福利待遇
- 有大规模AI超算集群（千卡以上）运维经验
- 有机房交付、批量上架、集群bring-up、验收测试经验
- 有GPU服务器压测、性能基线建立、异常案例归因和优化经验
- 具备监控体系建设经验（如Prometheus、Grafana等），有可观测性平台落地经验者优先
工作地址
杭州拱墅区汇金国际A座
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。