IDC运维工程师（7*24小时轮班）

（一）岗位职责
1.监控与巡检：
严格执行7*24小时实时监控职责，覆盖GPU服务器（NVIDIA A100/H100/H200等）、IB/RoCE高性能网络、并行存储系统（Lustre/GPFS等）、通用服务器及网络安全设备的运行状态；重点跟踪GPU温度、功耗、ECC错误，网络丢包率、延迟、带宽利用率，存储IOPS/带宽/延迟等关键指标；按计划完成每日/每周/每月定期巡检，填写标准化巡检报告，同步监控数据中心温湿度、电力等动力环境指标，确保异常情况早发现、早预警。
2. 故障响应与处理：
严格遵循P1/P2/P3分级故障响应机制，针对P1级核心故障（严重影响业务运行），确保15分钟内响应；主动开展一线故障处理工作，包括服务器、网络设备等硬件部件更换、基础配置调整、网络链路排查等；超出处理范围的复杂故障，及时收集设备日志、运行参数等现场数据，按规范流程上报，并全程配合二线工程师或厂商工程师开展处置工作，跟踪故障解决进度并记录。
3. 基础运维操作：
独立完成服务器、网络设备、存储设备的硬件部件（硬盘、电源、模块等）更换操作；按规范执行设备上下架、布线等物理操作；严格开展IT资产现场管理与登记工作，及时更新资产台账，确保资产信息与实际一致，配合完成资产盘点工作。
4. 文档与合规管理：
严格按照SOP/MOP/EOP操作规范执行所有运维动作，详细记录《服务日志》《故障处理报告》等各类运维文档，确保操作可追溯；提交值班日报、周报，参与故障根因分析（RCA），协助完善故障案例库；严格遵守客户文档管理要求，未经客户书面授权，不得擅自修改、复制、分发任何运维文档。
5. 工单与流程管理
工单响应：必须在规定时间内响应甲方派发的工单，并及时反馈处理进度。
备件管理：严格管理备品备件的出入库、领用和盘点，确保账实相符。
人员进出管理：登记制度：所有人员（含内部、第三方、访客）进出机房必须登记证件、时间及事由。
陪同制度：未经授权人员严禁单独在机房操作，需全程陪同。
6. 安全与重要时点保障：
严格执行网络安全策略，协助开展漏洞扫描、安全加固及合规性检查工作；遵循最小权限原则，规范管理自身操作权限，保障数据安全（尤其是并行文件系统中的业务数据）；在春节、两会、国庆等重要时期，按保障方案加强巡检频次，确保应急联系人电话24小时畅通，配合做好备品备件调度及应急处置工作，保障核心业务稳定运行。
任职要求
1.工作经验：具备2年以上数据中心IT运维相关工作经验，有智算中心、超算中心或GPU集群运维经验、熟悉IDC服务全流程者优先；
2.技术能力：了解服务器、网络设备、存储设备的基本硬件构成；能独立完成硬盘、电源、模块等硬件部件的更换操作；熟练掌握常用Linux、windows操作系统命令，能通过命令排查基础故障；熟悉GPU服务器（NVIDIA A100/H100/H200优先）或InfiniBand网络基础运维者优先；
3.职业素养：能适应7*24小时轮班制（白夜休休或上24休48制），服从值班安排，可承受应急处置工作压力；工作认真负责、动手能力强，具备良好的执行力、应急处置能力及团队协作精神；严格遵守安全保密规定与客户运维规范，具备基本的沟通协调能力。