运维工程师

1.5-2万/月

武汉·江夏区

先生

已实名

企业认证

北京数慧时空信息技术有限公司

职位详情

运维工程师

核心职责：

1. 硬件与数据中心运维
负责服务器（x86/GPU）、网络设备、存储阵列的安装部署、运行监控、故障定位及性能调优
维护数据中心基础环境（供电/散热/布线），制定并实施硬件容灾策略（多节点冗余设计、备件热替换）
通过 IPMI/iDRAC/BMC 实现远程硬件管控，定期更新固件与驱动版本

2. 云原生与K8S运维
搭建并维护大规模K8S集群（涵盖裸金属与虚拟化混合架构），优化资源调度机制与容器运行效率
解决 GPU/NVMe/RDMA 等专用硬件在K8S环境中的适配问题，开发Device Plugin以扩展设备支持能力
构建 CI/CD 流水线，实现算法模型的自动发布与硬件资源的动态调配

3. 自动化与监控体系
编写自动化脚本（Python/Go/Ansible），完成硬件配置管理、日志采集与告警响应
建设统一监控系统（Prometheus+Zabbix），全面覆盖硬件状态（温度/功耗）与K8S集群健康度
研发运维工具链，支持硬件故障自恢复与K8S集群弹性伸缩

4. 跨团队协作
协助算法团队优化训练任务执行效率，排查分布式训练（PyTorch DDP/MPI）中的底层资源瓶颈
联合安全团队落地硬件级防护措施（固件完整性校验、带外管理网络隔离）

任职要求：
硬性技能

硬件层：
具备3年以上服务器及数据中心运维经验，深入理解 x86/GPU 架构与常见故障处理流程
掌握网络协议（TCP/IP/VLAN）和存储技术（RAID/NAS/SAN）的基本原理与应用

软件层：
熟练运维 K8S 集群（网络/存储/安全策略配置），持有CKA/CKAD认证者优先考虑
至少掌握一种编程语言（Python/Go/Shell），可独立开发自动化运维工具
熟悉基础设施即代码理念（IaC），具备 Terraform/Ansible 实践经验

加分项
有 AI或大数据平台运维背景，了解 NVIDIA GPU-Operator 或 Kubeflow 技术栈
知晓主流算法框架（TensorFlow/PyTorch）对硬件资源的需求特点
获得 RHCE/NVIDIA/CCNP 等相关技术认证

软性素质
具备系统化思考能力，能兼顾硬件可靠性与云原生迭代速度
注重技术文档沉淀，善于与不同团队高效协作

我们提供：
技术挑战：深度参与AI算力基础设施建设，接触混合云与边缘计算等前沿场景
福利体系：五险一金、年度体检、带薪年假、技术培训等

2025-12-13 14:39

IP属地：湖北武汉

职位福利

本科3-5年网络运维Docker硬件大数据运维经验系统运维K8S桌面运维计算机相关专业网络安全相关经验运维经验IDC机房运维Kubernetes