400-885-9898
职位描述
阿里云
1、硬件维护
负责GPU服务器的安装、调试、上架、故障诊断及维修。
定期检查硬件状态（GPU、CPU、内存、硬盘、电源等），确保设备稳定运行。
配合供应商处理硬件保修或更换（如GPU烧毁、显存故障等）。
2、集群与驱动管理
管理大规模GPU集群（万卡级），支持算力网络架构（IB/RoCE/NVLink/PCIe），优化集群性能（HPL/HPCG基准测试），解决网络通信、存储（Lustre/CephFS）及算力调度（Slurm/PBS）问题。
部署与维护监控系统（Prometheus/Grafana/Zabbix），实时跟踪GPU利用率、功耗及健康状态，构建故障预警机制，设计HA测试方案（故障注入/灾备切换）。
3、硬件与软件适配
执行服务器硬件改配（如GPU升级、液冷方案部署）及软件适配（驱动安装、BIOS/固件更新），确保与操作系统（Linux/CentOS）、虚拟化平台（Docker/Kubernetes）及AI框架（CUDA/TensorRT）的兼容性。
参与智算中心交付，配合完成服务器上架、网络配置及压力测试，支持异构加速场景（大模型训练/推理）。
4、文档与协作
编写运维手册、故障处理SOP及巡检报告，维护维修案例库，记录硬件生命周期（故障历史、配件更换）。
与研发、售前团队协作，解决复杂技术问题（如硬件兼容性、性能瓶颈），提供客户技术培训及方案定制。
探索前沿技术（如Chiplet异构集成、存算一体架构），优化运维自动化工具（Ansible/Python脚本），提升故障处理效率。
负责GPU服务器的安装、调试、上架、故障诊断及维修。
定期检查硬件状态（GPU、CPU、内存、硬盘、电源等），确保设备稳定运行。
配合供应商处理硬件保修或更换（如GPU烧毁、显存故障等）。
2、集群与驱动管理
管理大规模GPU集群（万卡级），支持算力网络架构（IB/RoCE/NVLink/PCIe），优化集群性能（HPL/HPCG基准测试），解决网络通信、存储（Lustre/CephFS）及算力调度（Slurm/PBS）问题。
部署与维护监控系统（Prometheus/Grafana/Zabbix），实时跟踪GPU利用率、功耗及健康状态，构建故障预警机制，设计HA测试方案（故障注入/灾备切换）。
3、硬件与软件适配
执行服务器硬件改配（如GPU升级、液冷方案部署）及软件适配（驱动安装、BIOS/固件更新），确保与操作系统（Linux/CentOS）、虚拟化平台（Docker/Kubernetes）及AI框架（CUDA/TensorRT）的兼容性。
参与智算中心交付，配合完成服务器上架、网络配置及压力测试，支持异构加速场景（大模型训练/推理）。
4、文档与协作
编写运维手册、故障处理SOP及巡检报告，维护维修案例库，记录硬件生命周期（故障历史、配件更换）。
与研发、售前团队协作，解决复杂技术问题（如硬件兼容性、性能瓶颈），提供客户技术培训及方案定制。
探索前沿技术（如Chiplet异构集成、存算一体架构），优化运维自动化工具（Ansible/Python脚本），提升故障处理效率。
1、专业背景
计算机、电子工程、通信等相关专业，本科及以上学历；3年以上阿里云IDC机房、GPU服务器维护或数据中心运维经验，熟悉NVIDIA/AMD主流显卡架构（如Hopper/Ada Lovelace）者优先。
2、核心技能
硬件能力：精通GPU服务器拆装、故障诊断（如错误代码解析），掌握焊接工具（热风枪、示波器）及备件管理，熟悉服务器BMC管理（IPMI/RedFish）。
软件与工具：熟练使用Linux命令行，掌握自动化工具（Ansible/Kubernetes）、监控平台（Prometheus）及集群管理工具（Slurm）；熟悉Python/Shell脚本开发。
网络与架构：理解IB/RoCE网络协议、RDMA原理，掌握集群文件系统（Lustre/NFS）部署与调优，熟悉PCIe/CXL接口规范。
3、软技能
具备快速故障定位能力（MTTR优化），能在7×24小时轮值中响应紧急事件；良好的客户沟通能力，适应定制化服务需求。
计算机、电子工程、通信等相关专业，本科及以上学历；3年以上阿里云IDC机房、GPU服务器维护或数据中心运维经验，熟悉NVIDIA/AMD主流显卡架构（如Hopper/Ada Lovelace）者优先。
2、核心技能
硬件能力：精通GPU服务器拆装、故障诊断（如错误代码解析），掌握焊接工具（热风枪、示波器）及备件管理，熟悉服务器BMC管理（IPMI/RedFish）。
软件与工具：熟练使用Linux命令行，掌握自动化工具（Ansible/Kubernetes）、监控平台（Prometheus）及集群管理工具（Slurm）；熟悉Python/Shell脚本开发。
网络与架构：理解IB/RoCE网络协议、RDMA原理，掌握集群文件系统（Lustre/NFS）部署与调优，熟悉PCIe/CXL接口规范。
3、软技能
具备快速故障定位能力（MTTR优化），能在7×24小时轮值中响应紧急事件；良好的客户沟通能力，适应定制化服务需求。
查看全部
工作地点
余杭区中联重科(杭州分公司)1
入职公司信息
- 入职公司: 某科技公司
- 公司地址: 长沙岳麓区
- 公司人数: 500-999人
认证资质
营业执照信息 人力资源服务许可认证
相似职位
- 硬件运维工程师8000-12000元
杭州 - 余杭
浙江信凯科技集团股份有限公司 - PC&服务器硬件 装机&测试工程师6000-7000元
杭州 - 西湖
杭州先如信息技术有限公司 - 硬件维护（杭州）1-1.5万
杭州 - 滨江
软通动力信息技术(集团)股份有限公司 - 电脑装机技术员4000-8000元
杭州 - 西湖
杭州先如信息技术有限公司 - 计算机硬件维护工程师5000-10000元
杭州 - 滨江
杭州星溢科技有限公司 - 工控机硬件6000-12000元
杭州 - 西湖
杭州研图智能科技有限公司
热门公司推荐
- 霸王茶姬招聘
- 肯德基招聘
- 顺丰招聘
- 美团招聘
- 京东招聘
- 饿了么招聘
- 比亚迪招聘
- 中国一汽招聘
- 北京汽车招聘
- 蔚来招聘
- 东风汽车招聘
- 长城汽车招聘
- 奇瑞汽车招聘
- 理想汽车招聘
- 长鑫存储招聘
- 天江药业招聘
- 蓝月亮招聘
- 安踏招聘
- TCL招聘
- 海信招聘
- 联想招聘
- 海康威视招聘
- 宁德时代招聘
- 中兴招聘
- 新松招聘
- 京东方招聘
- 申通招聘
- 圆通招聘
- 中通招聘
- 百世物流招聘
- 德邦物流招聘
- 麦当劳招聘
- 星巴克招聘
- 海底捞招聘
- 蜜雪冰城招聘
- 瑞幸招聘
- 雀巢招聘
- 腾讯招聘
- 百度招聘
- 快手招聘
- 字节跳动招聘
- 新华网招聘
- 小米招聘
- 招商银行招聘
- 中信银行招聘
- 北京银行招聘
- 兴业银行招聘
- 交通银行招聘
- 建发集团招聘
- 中国移动招聘
- 中国联通招聘
- 中国电信招聘
- 中粮集团招聘
- 国药控股招聘
- 中广核招聘
- 中国船舶招聘
- 强生中国招聘
- 汇丰中国招聘
- 宜家招聘
- 立邦中国招聘
- 伊利招聘
- 青岛啤酒招聘
- 京港地铁招聘
- 宝马招聘
- 小鹏汽车招聘
- 华为招聘
- 特斯拉招聘
- 吉利招聘
- 奔驰招聘
- 海尔招聘
- 美的招聘
- 京东方招聘
- 施耐德电气招聘
- 德邦物流招聘
职位发布者
闫青/人事经理
立即沟通
湖南潇湘人力资源服务有限公司湖南潇湘人力资源服务有限公司，系经工商行政管理局批准设立的，具有独立企业法人资格，并经人力资源和社会保障部批准备案，具有合法人力资源服务资质的，专业人力资源服务机构。公司积极响应国家号召，搭建供需平台，畅通就业渠道，充分发挥人力资源机构在促进就业中的积极作用，多渠道扩大就业。公司致力于打造成为立足湖南、覆盖全国的综合性专业人力资源服务供应商，依托于招聘会场和网络平台，为各企事业单位开展现场招聘、网络招聘、报纸招聘、代理招聘、招聘外包、劳务派遣、高级人才猎头和人力资源管理咨询等专业配套服务；为求职个人提供职业咨询、职业指导、职业介绍等就业服务。公司现场招聘平台--湖南招聘市场，于每周六、周日在贺龙体育场东门举办招聘会，欢迎各企事业单位和各类人才通过现场直面交流，我们将以专业、专注的精神，为您招才、择业，提供全面、优质的服务！招聘热线：400-000-7318、0731-83759001/02/03/04/05/06/07/08/09/10招聘会场：贺龙体育场正东门--湖南招聘市场(芙蓉中路、侯家塘北、摩天轮广场上台阶)乘车路线：1：乘105、115、150、159路至“侯家塘北”2：乘101、104、701、702、703、905路、长株潭201路至“侯家塘-芙蓉中路”3：乘旅2、2、4、8、104、123、137、140、145、160、202、314、402、601、803、804、906、908路至“侯家塘西”往芙蓉路至“侯家塘北”详情请访问： http://www.hnzpsc.com
公司主页