人工智能GPU运维工程师

人工智能GPU运维工程师
岗位职责：
1. 负责大规模高性能GPU集群的计算、网络和存储系统的稳定运行，能监控、识别并解决各类集群线上问题；
2. 负责多节点 GPU 集群性能测试与评估，熟练掌握HPL/HPCG/l-test等集群性能评测工具进行性能评估并定位问题；
3. 负责监控系统的建设和运维，及时发现系统问题（尤其是 GPU 故障）并进行解决；
4. 部署交付IDC大规模GPU集群，提供运维能力和体系，支持云平台团队开发并对平台客户提供相关技术支持；
5. 接洽和协调IDC服务器上机事宜，协调网络、存储等规划和实施等。
任职要求：
1. 大学本科及以上学历，计算机相关专业；
2. 熟悉Linux操作系统，熟悉常见的基础服务搭建、配置、调优和排障；掌握 Linux Shell、Python、Go等一种或多种编程语言；
3. 熟悉kubernetes生态，掌握常用业务监控方式，熟练使用 prometheus 监控工具；
4. 具备阿里云、华为、AWS、火山云等任一云厂商的运维经验；
5. 具备火山云vestack平台使用经验的优先；
6. 善于团队协作与独立工作，具备良好的沟通协调能力、做事追求极致，在提供改进和落地的同时，提供可量化的手段和指标，能承担7*24小时按需到岗等要求；
薪资 15-25 14薪，经验不限，本科，工作地址 北京海淀区学院国际大厦