朝阳区
职位详情
职位描述：
1）承担阿里云AI人工智能平台（PAI）的运维保障任务，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可用性指标优化等
2）开发AI方向的运维管控系统，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节点快速部署与自愈能力、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与智能体Agent的运维场景落地
4）主导稳定性架构的技术设计与项目推进，推动基础架构云原生转型、跨可用区高可用方案、产品可维护性架构持续演进
职位要求：
1）具备3年以上K8S或主流大数据引擎运维背景，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集群运维开发经历者优先
2）熟练使用Golang/Python/Java中至少一种编程语言，有运维平台类系统开发经验，具备AIOps相关实践经历者更佳
3）具备扎实的生产环境稳定性建设实战经验，熟悉高可用架构设计、可观测性体系、监控告警机制、异常应对流程、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，具备较强的执行力与韧性
1）承担阿里云AI人工智能平台（PAI）的运维保障任务，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可用性指标优化等
2）开发AI方向的运维管控系统，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节点快速部署与自愈能力、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与智能体Agent的运维场景落地
4）主导稳定性架构的技术设计与项目推进，推动基础架构云原生转型、跨可用区高可用方案、产品可维护性架构持续演进
职位要求：
1）具备3年以上K8S或主流大数据引擎运维背景，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集群运维开发经历者优先
2）熟练使用Golang/Python/Java中至少一种编程语言，有运维平台类系统开发经验，具备AIOps相关实践经历者更佳
3）具备扎实的生产环境稳定性建设实战经验，熟悉高可用架构设计、可观测性体系、监控告警机制、异常应对流程、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，具备较强的执行力与韧性
2026-09-29 14:31
IP属地：北京
职位福利
本科3-5年GolangJava大数据运维经验运维开发/DevOps运维开发经验自动化运维Python/Shell
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
