计算平台运维工程师

我们正在寻找技术扎实、学习能力强的计算平台运维工程师，负责公司 HPC/AI 融合计算平台的日常运维、监控与部署，助力算力平台高效稳定运行，诚邀有志者加入！
核心岗位职责
1. 负责 Slurm/K8s 集群基础部署、监控及日常操作，处理 Pod 部署、节点状态检查等基础故障；
2. 维护 Prometheus 监控系统，配置 Grafana 看板，实现节点资源、GPU 使用率等指标可视化告警；
3. 独立部署公司自研融合计算软件，监控运行状态、收集错误日志，协助新功能测试；
4. 搭建 AI 应用环境，安装 PyTorch/TensorFlow 等 AI 框架及 HPC 相关应用。
任职要求
1.1）精通 Linux 系统，能熟练编写 Shell/Python 脚本，实现日志分析、批量部署等操作；
1.2）Slurm 或 K8s 二选一精通，有独立部署 Slurm 集群或生产级 K8s 集群运维经验；
1.3）具备强学习意愿，承诺入职后同步学习另一技术栈（HPC/AI）及相关应用维护。
2.可培养技能：熟练安装并使用 Prometheus 监控工具。
3.同步培养方向：入职后将围绕 HPC/AI 双轨并行培养，涵盖 Slurm 集群扩容、K8s 网络存储排障、MPI 应用编译优化、AI 框架容器化部署、AI-HPC工作流集成等能力。
优先条件
1. 有实验室 / 校内集群或生产级集群维护经验；
2. 熟悉 GPU 相关操作，会使用 nvidia-smi 监控，掌握 GPU 驱动、CUDA 安装方法。
我们期待这样的你：
兼具 HPC/AI 运维基础，学习能力强，对算力平台运维有热情，能快速适应技术栈学习与业务需求，愿意在融合计算领域深耕成长！