朝阳区
职位详情
职位描述
1）负责阿里云AI人工智能平台（PAI）的运维保障，构建超大规模GPU集群的稳定性体系，涵盖可观测性链路建设、监控告警机制、故障应急响应与处理、SLA可用率评估与优化等工作
2）开发AI运维管控系统，借助自动化手段提升运维效能，实现交付与变更的CICD流程、GPU节点快速交付与自愈能力、智能诊断与问题定界等功能
3）推进AIOps智能运维实践，运用AI算法增强系统稳定性，覆盖异常行为识别、根因分析以及基于大模型和智能体Agent的运维场景落地
4）主导稳定性架构设计并推动重点项目实施，包括基础架构云原生转型、跨可用区高可用架构设计、产品可运维性架构持续演进等
职位要求
1）具备3年以上K8S或主流大数据引擎运维经验，掌握分布式系统运行机制及Linux底层原理，拥有AI IaaS&PaaS平台或GPU集群运维开发背景者优先
2）熟练掌握Golang/Python/Java中至少一门编程语言，具备运维平台开发实际经验，有AIOps智能运维实践经历者更佳
3）具备扎实的稳定性生产环境落地能力，熟悉高可用架构设计、可观测性与监控体系、异常事件处置流程、SLA与可用率管理、节点自愈技术等
4）具备良好的沟通协调与项目推动力，工作认真细致，抗压能力强，富有责任心与执行力
1）负责阿里云AI人工智能平台（PAI）的运维保障，构建超大规模GPU集群的稳定性体系，涵盖可观测性链路建设、监控告警机制、故障应急响应与处理、SLA可用率评估与优化等工作
2）开发AI运维管控系统，借助自动化手段提升运维效能，实现交付与变更的CICD流程、GPU节点快速交付与自愈能力、智能诊断与问题定界等功能
3）推进AIOps智能运维实践，运用AI算法增强系统稳定性，覆盖异常行为识别、根因分析以及基于大模型和智能体Agent的运维场景落地
4）主导稳定性架构设计并推动重点项目实施，包括基础架构云原生转型、跨可用区高可用架构设计、产品可运维性架构持续演进等
职位要求
1）具备3年以上K8S或主流大数据引擎运维经验，掌握分布式系统运行机制及Linux底层原理，拥有AI IaaS&PaaS平台或GPU集群运维开发背景者优先
2）熟练掌握Golang/Python/Java中至少一门编程语言，具备运维平台开发实际经验，有AIOps智能运维实践经历者更佳
3）具备扎实的稳定性生产环境落地能力，熟悉高可用架构设计、可观测性与监控体系、异常事件处置流程、SLA与可用率管理、节点自愈技术等
4）具备良好的沟通协调与项目推动力，工作认真细致，抗压能力强，富有责任心与执行力
2026-07-16 12:25
IP属地：北京
职位福利
本科5-10年CI/CD
阿里云计算有限公司
不需要融资 · 10000人以上
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
