崗位職責(zé)：
負(fù)責(zé)由8卡16臺(tái)H100服務(wù)器構(gòu)成的算力集群的現(xiàn)場(chǎng)日常巡檢、運(yùn)行監(jiān)控與系統(tǒng)維護(hù)，確保集群持續(xù)穩(wěn)定運(yùn)轉(zhuǎn)，保障算力服務(wù)的高可用性與輸出穩(wěn)定性。
實(shí)時(shí)掌握集群硬件運(yùn)行狀態(tài)，涵蓋服務(wù)器主機(jī)、GPU模組、網(wǎng)絡(luò)單元及存儲(chǔ)設(shè)備等，及時(shí)識(shí)別并處置硬件異常，包括故障部件更換、兼容性問題診斷與處理。
承擔(dān)集群操作系統(tǒng)的部署、驅(qū)動(dòng)安裝、虛擬化平臺(tái)配置及相關(guān)軟件環(huán)境的更新優(yōu)化，保障軟硬件協(xié)同工作的高效性與兼容性。
維護(hù)集群網(wǎng)絡(luò)結(jié)構(gòu)，確保各節(jié)點(diǎn)間通信暢通，及時(shí)排查網(wǎng)絡(luò)故障，實(shí)施性能調(diào)優(yōu)，提升數(shù)據(jù)交互的穩(wěn)定性與傳輸效率。
定期開展集群性能評(píng)估與數(shù)據(jù)分析，采集關(guān)鍵性能參數(shù)，針對(duì)瓶頸環(huán)節(jié)提出改進(jìn)方案并落地執(zhí)行，持續(xù)提升整體計(jì)算效能。
制定并落實(shí)集群數(shù)據(jù)備份機(jī)制，保障信息資產(chǎn)安全，能夠在數(shù)據(jù)丟失或系統(tǒng)異常時(shí)快速完成恢復(fù)操作。
建立完整的運(yùn)維技術(shù)文檔體系，包括設(shè)備清單、故障處理日志、標(biāo)準(zhǔn)操作流程等，確保運(yùn)維過程規(guī)范、可查、可追溯。
參與集群擴(kuò)容與版本升級(jí)項(xiàng)目，配合完成新設(shè)備上架、通電調(diào)試及現(xiàn)場(chǎng)技術(shù)支持工作。
對(duì)突發(fā)性系統(tǒng)故障具備快速響應(yīng)能力，制定應(yīng)急處理預(yù)案并組織實(shí)施，最大限度降低對(duì)業(yè)務(wù)連續(xù)性的影響。
關(guān)注行業(yè)前沿技術(shù)發(fā)展動(dòng)態(tài)，結(jié)合實(shí)際運(yùn)維經(jīng)驗(yàn)，提出切實(shí)可行的技術(shù)優(yōu)化與架構(gòu)改進(jìn)建議。

任職要求：
學(xué)歷與專業(yè)：本科及以上學(xué)歷，計(jì)算機(jī)科學(xué)與技術(shù)、電子信息工程、軟件工程、自動(dòng)化等相關(guān)專業(yè)背景。
工作經(jīng)驗(yàn)：
具備2年以上服務(wù)器集群運(yùn)維實(shí)踐經(jīng)驗(yàn)，有H100、A100等高性能GPU服務(wù)器運(yùn)維經(jīng)歷者優(yōu)先考慮。
具有大型算力中心或數(shù)據(jù)中心現(xiàn)場(chǎng)支持經(jīng)驗(yàn)者優(yōu)先。
專業(yè)技能：
熟悉服務(wù)器硬件組成，掌握CPU、內(nèi)存、硬盤、GPU等核心部件的工作機(jī)制及常見故障排查方法。
熟練掌握Linux系統(tǒng)（如CentOS、Ubuntu）的安裝配置、系統(tǒng)管理與性能優(yōu)化，具備常用命令操作及腳本開發(fā)能力（如Shell、Python）。
熟悉GPU驅(qū)動(dòng)程序、CUDA環(huán)境的部署與調(diào)試流程，了解GPU虛擬化相關(guān)技術(shù)者優(yōu)先。
具備基礎(chǔ)網(wǎng)絡(luò)知識(shí)，理解TCP/IP協(xié)議棧，能完成交換機(jī)、路由器等網(wǎng)絡(luò)設(shè)備的基本配置與故障定位。
具有一定存儲(chǔ)系統(tǒng)認(rèn)知，了解SAN、NAS等典型存儲(chǔ)架構(gòu)者優(yōu)先。
熟練使用主流監(jiān)控工具（如Zabbix、Prometheus）及日志分析工具，實(shí)現(xiàn)系統(tǒng)狀態(tài)可視化管理。
個(gè)人素質(zhì)：責(zé)任心強(qiáng)，具備良好的職業(yè)操守，能適應(yīng)高強(qiáng)度工作節(jié)奏和7×24小時(shí)應(yīng)急值守要求。
具備出色的故障分析與解決能力，能夠獨(dú)立判斷并高效處理復(fù)雜系統(tǒng)問題。
擁有良好的溝通協(xié)作意識(shí)，能與研發(fā)、技術(shù)支持等多方團(tuán)隊(duì)緊密配合。
工作嚴(yán)謹(jǐn)細(xì)致，重視操作規(guī)范，具備較強(qiáng)的文檔整理與撰寫能力。
持有RHCE、CCNA等相關(guān)專業(yè)技術(shù)認(rèn)證者優(yōu)先。