SRE高级运维工程师

职位描述

1. 负责各产品线服务的稳定、高效运行，跟踪用户体验，优化运维架构；

2. 推动运维自动化/标准化方案设计，自动化工具及平台研发，提升运维效率；

3. 及时响应各类故障报警，快速解决问题恢复业务。

任职要求

1. 计算机相关专业，至少5年以上工作经验，具备工程化思维和自动化意识；

2. 具备大规模生产级别自建 K8S 集群（单集群至少 500 worker 节点以上）搭建及运维排障经验，且熟悉主流可观测体系及日志体系的构建及维护；

3. 负责GPU集群日常运维、驱动与固件管理、监控告警（利用率/显存/温度/功耗）及故障排查处理，熟悉nvidia-smi、DCGM、Kubernetes/Docker及Linux系统运维，具备大规模GPU集群运维经验者优先；

4. 熟悉 Linux 操作系统，了解 Linux 操作系统基本原理；

5. 熟悉 Python，Go 中的至少一门编程语言，熟悉 Shell 脚本。