SRE运维工程师

职位描述

职位描述：

负责机器人动作研发平台的高可用架构设计与稳定性建设，保障核心服务稳定运行

负责海内外服务部署、弹性伸缩与跨区域容灾方案设计与实施

负责 CPU / GPU 混合集群的自动化运维与调度，支持大规模机器学习训练与推理

负责监控体系、日志分析、故障应急响应，持续优化系统性能与资源利用率

任职要求

任职要求：

一年以上 SRE 相关工作经验，扎实的计算机基础，熟练掌握 Linux 和网络协议等基础知识

熟练掌握 Python、Bash Shell 等脚本语言和 Java / Golang 等其中一门编程语言

熟悉 Docker 等容器化技术，有 Kubernetes 集群运维经验

掌握常用监控系统（如 Prometheus）、日志分析工具（如 ELK）、配置管理工具（如 Ansible）等

具备较强的分析问题能力和故障排除能力，良好的沟通能力和团队合作精神

具备良好的英文技术文档阅读能力

加分项：

了解 KubeRay、Kubeflow 等 GPU 集群运维方案

具备分布式系统、服务网格（Istio）、微服务架构运维经验

熟悉公有云（阿里云 / 火山云 / AWS / GCP / Azure） 或混合云部署方案

了解机器学习训练 / 推理任务调度场景