系统运维工程师

一.岗位职责：
1.负责公司服务器资源池的规划、建设与运维管理，包括服务器上架、网络规划及链路聚合配置；
2.负责运维平台体系的建设与维护，包括但不限于监控系统、堡垒机、CI/CD工具链等；
3.负责虚拟化平台（如PVE、ESXi）与存储系统（如Ceph）的部署、日常维护、性能调优及容量扩容；
4.负责GPU算力资源池的规划、建设与维护工作，支撑AI/研发业务需求；
5.为研发团队提供全方位的运维支持，包括但不限于故障定位、根因分析、性能优化与架构建议；
6.编写并维护系统相关的部署、运维及使用文档，推动知识沉淀与共享；
7.响应并支撑公司各业务团队的运维需求，保障线上业务的安全、稳定与高可用；
二.任职资格：
1.操作系统与脚本能力：精通 Ubuntu、CentOS、Windows 等主流操作系统的PXE批量安装、配置与运维；
2.熟练掌握 Shell和Python 脚本语言，能编写高效的运维自动化脚本；
3.自动化与CI/CD：熟练使用 Ansible 进行批量配置与管理，熟悉 Jenkins、GitLab 等工具，具备 CI/CD 流水线的建设和维护经验；
4.中间件与数据库：熟练掌握 MySQL、Redis、Nginx、HAProxy、Keepalived 等中间件与数据库的部署、配置、优化及高可用方案；
5.监控体系：熟悉 Zabbix、Prometheus、VictoriaMetrics 等主流监控系统的部署、运维与调优，具备构建完善监控告警体系的能力；
6.虚拟化：精通 PVE、ESXi 等虚拟化平台的原理与运维调优；
7.深入理解 Ceph 分布式存储架构，具备 RBD、RGW 等组件的生产环境运维、调优及全生命周期管理经验；
7.容器技术：对 Docker、Kubernetes 有深入理解，具备从物理机/虚拟机到容器化平台的完整部署和故障排查能力；
8.善于沟通、表达清晰，抗压能力强，能够在快速变化和不确定的环境中交付成果；
三.加分项(优先考虑)
1.具备大规模GPU智算集群（百卡以上）的调优经验；熟悉K8s GPU调度框架（如NVIDIA K8s Device Plugin, vGPU等）
2.具备 AI 运维（AIOps），或AI编程、Agent工作流等实际经验优先
3.有Ceph大型集群PB级维护经验优先
4.对可观测性理念（Observability）具有深度的理解，有实际可观测性项目经验优先
5.有20+数据中心监控经验优先
6.在混沌工程（主动故障注入）、SOP流程规范制定等有实际经验优先