AI全栈工程师 - 智算基础设施集群管理方向
岗位摘要
建设智算集群高可用体系，包括健康检测、节点与集群异常快速处置、管控组件故障自动定位与恢复、自适应容灾及云原生技术落地，保障业务持续可用与线上系统稳定性；建设满足业务场景和数据合规要求的智算集群算力管理体系，结合节点调度、性能分析、故障自动化处理及租户运维功能，持续提升智算集群产品竞争力
岗位职责
- 建设智算集群高可用体系，包括健康检测、节点与集群异常快速处置、管控组件故障自动定位与恢复、自适应容灾及云原生技术落地，保障业务持续可用与线上系统稳定性
- 建设满足业务场景和数据合规要求的智算集群算力管理体系，结合节点调度、性能分析、故障自动化处理及租户运维功能，持续提升智算集群产品竞争力
- 建设异构算力统一管理及资源调度系统，持续提升智算集群资源利用率、降低计算成本，不断提升客户使用智算集群产品的自动化与智能化程度
- 承担值班响应职责，在SLA时间内对客户做出响应，推动客户问题的解决，持续改善客户使用体验
任职要求
- 拥有5年以上大规模分布式系统设计及研发经验，独立负责过包含多模块的业务子系统，包括接口定义、架构设计及关键分布式问题的技术方案细化
- 熟悉AI框架与云原生技术，编程基本功扎实，熟悉数据结构和算法，熟练掌握Golang、Java、Python、C++中至少一种开发语言
- 系统工程能力扎实，线上稳定性意识强，对复杂线上系统具备较强技术敏感度和故障排查经验，有线上监控体系及变更体系设计经验者优先
- 业务感觉良好，具备出色的抽象设计能力，思路清晰，善于独立分析和解决问题，能主导并驱动完整技术产品项目者优先
- 具备较复杂项目的良好管理能力，有项目负责人或研发团队接口人经验者优先
- 本科及以上学历
福利待遇
- 薪资范围：30,000元至60,000元/月，共16薪
- 工作地点位于北京朝阳区望京国际研发园，地理位置优越
工作地址
北京朝阳区望京国际研发园I座