数据中心服务器生命周期资深工程师
岗位摘要
构建自动化系统，以支持大规模数据中心服务器集群运营；定义并负责端到端系统生命周期策略，涵盖从配置、部署到运行、维护、更新和退役的全过程，并为硬件故障、固件升级、集群轮换等常见事件维护自动化与运维流程
岗位职责
- 构建自动化系统，以支持大规模数据中心服务器集群运营
- 定义并负责端到端系统生命周期策略，涵盖从配置、部署到运行、维护、更新和退役的全过程，并为硬件故障、固件升级、集群轮换等常见事件维护自动化与运维流程
- 与基础设施安全团队紧密合作，设计并执行覆盖服务器生命周期的可信计算标准
- 与网络团队密切协作，确保所有站点之间的端到端连接
- 构建并维护工具，用于跟踪整个数据中心集群的机器健康、配置和运行状态
任职要求
- 具备服务器硬件实操经验，包括机架部署、布线、故障排除，并理解大规模环境下的故障模式
- 对硬件生命周期管理有端到端理解，包括资产跟踪、配置工作流、维护计划和退役实践
- 精通至少一种编程语言，如 Python、Rust、Go 或 Java
- 具备现代云基础设施的工作知识，包括 Kubernetes 和大规模云服务提供商，如 AWS、Azure、GCP
- 能够与各类利益相关者清晰沟通并建立共识
- 能在模糊环境中从容应对，并推动复杂的跨职能问题取得进展
- 愿意偶尔前往北美各地数据中心现场出差
- 具备 8 年以上数据中心基础设施管理或密切相关领域经验
- 具备 GPU 或 AI 加速器硬件实操经验，如 NVIDIA A100/H100、Google TPU 或 AWS Trainium，并理解其运营需求
- 熟悉 LinuxBoot 和 NixOS 等现代配置与操作系统工具
- 具备构建或参与数据中心相关项目的经验