AI云服務器運維工程師

核心職責
1.云服務器管理
●負責Linux服務器（CentOS/Ubuntu）的部署、監控、調優及故障處理
●管理云平臺（AWS/Azure/GCP）的IAAS資源，包括網絡/存儲/安全組配置
●實施自動化運維（Ansible/Terraform）及災備方案
2.Kubernetes集群運維
●設計、部署及維護高可用K8s集群（≥50節點）
●管理HelmChart部署、CRD開發、Operator框架應用
●優化集群性能（網絡CNI/存儲CSI/資源調度）
3.GPU與AI支持
●維護GPU服務器硬件（NVIDIA4090/5090/A100系列）及驅動/CUDA環境
●部署LLM推理服務（vLLM/Triton）及監控GPU利用率
●協助AI團隊優化計算資源分配與成本控制
________________________________________
硬性要求
●基礎能力
●3年以上Linux系統管理經驗，精通Shell/Python腳本
●熟悉云平臺核心服務（EC2/EBS/VPC等）及CLI管理
●掌握監控體系搭建（Prometheus+Grafana+AlertManager）
●Kubernetes專精
●2年以上生產環境K8s運維經驗，持有CKA/CKAD認證者優先
●深入理解Etcd/API-Server/Controller工作原理
●具備ServiceMesh（Istio/Linkerd）實踐經驗
________________________________________
優先考慮條件
1.GPU管理經驗
●熟悉NVIDIAGPU虛擬化（vGPU/MIG）
●有DCGM-Exporter或Fluentd日志采集實踐
2.LLM運維實踐
●部署過HuggingFace/LLaMA等大模型服務
●了解模型并行訓練、顯存優化方案
3.其他加分項
●熟悉分布式存儲（Ceph/GlusterFS）
●有MLOps平臺（Kubeflow/DLAMI）運維經驗
●理解RDMA/InfiniBand高速網絡
________________________________________
我們提供
●參與億級參數大模型基礎設施建設的機遇
●技術導向的扁平化管理，彈性工作制
●有競爭力的薪資及福利
●與同事共同參與AI基礎設施的搭建和管理