腾讯云服务器AI集群网络质量工程师

职位描述

1.负责国内外区线上 AI 服务器网络质量运营；

2.主导 AI 集群网络质量监管控；

3.负责超节点集群 Scale-Up 高速互联域与 Scale-Out 网络网，建设"XPU—交换机—链路"全链路可观测体系；

4.熟悉网络架构和协议，联合服务器网络和交换网络监控进行网络健康分析、完善监控系统；

5.质量管理，硬件失效原理分析和排查。负责链路降速、抖动、系统层抖动等故障定位与稳定性保障；

6.分析数据中心服务器网络质量、超节点 AI 集群互联质量，调优网络性能、质量、配置及监控问题；迭代网络硬件固件版本维护，跟进网卡、超节点交换网络 top 问题 fix。